論文の概要: KG2QA: Knowledge Graph-enhanced Retrieval-Augmented Generation for Communication Standards Question Answering

• arxiv url: http://arxiv.org/abs/2506.07037v1
• Date: Sun, 08 Jun 2025 08:07:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.6425
• Title: KG2QA: Knowledge Graph-enhanced Retrieval-Augmented Generation for Communication Standards Question Answering
• Title（参考訳）: KG2QA: コミュニケーション標準のための知識グラフ強化検索生成
• Authors: Zhongze Luo, Weixuan Wan, Qizhi Zheng, Yanhong Bai, Jingyun Sun, Jian Wang, Dan Wang,
• Abstract要約: 本稿では,大規模言語モデルの微調整と知識グラフの構築を組み合わせる。 Qwen2.5-7B-Instructは、コミュニケーション標準の分野で優れたプロフェッショナル機能を示す。
• 参考スコア（独自算出の注目度）: 3.981162741154511
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There are many types of standards in the field of communication. The traditional consulting model has a long cycle and relies on the knowledge and experience of experts, making it difficult to meet the rapidly developing technological demands. This paper combines the fine-tuning of large language models with the construction of knowledge graphs to implement an intelligent consultation and question-answering system for communication standards. The experimental results show that after LoRA tuning on the constructed dataset of 6,587 questions and answers in the field of communication standards, Qwen2.5-7B-Instruct demonstrates outstanding professional capabilities in the field of communication standards on the test set. BLEU-4 rose from 18.8564 to 66.8993, and evaluation indicators such as ROUGE also increased significantly, outperforming the fine-tuning effect of the comparison model Llama-3-8B-Instruct. Based on the ontology framework containing 6 entity attributes and 10 relation attributes, a knowledge graph of the communication standard domain containing 13,906 entities and 13,524 relations was constructed, showing a relatively good query accuracy rate. The intelligent consultation and question-answering system enables the fine-tuned model on the server side to access the locally constructed knowledge graph and conduct graphical retrieval of key information first, which is conducive to improving the question-answering effect. The evaluation using DeepSeek as the Judge on the test set shows that our RAG framework enables the fine-tuned model to improve the scores at all five angles, with an average score increase of 2.26%. And combined with web services and API interfaces, it has achieved very good results in terms of interaction experience and back-end access, and has very good practical application value.
• Abstract（参考訳）: コミュニケーション分野には様々な種類の標準がある。 従来のコンサルティングモデルは長いサイクルを持ち、専門家の知識と経験に依存しており、急速に発展する技術的要求を満たすことは困難である。 本稿では,大規模言語モデルの微調整と知識グラフの構築を組み合わせることで,コミュニケーション標準のためのインテリジェントコンサルテーションと質問応答システムを実現する。 実験結果から,6,587の質問と回答が構築されたデータセットをLoRAでチューニングした後,Qwen2.5-7B-Instructは,テストセット上でのコミュニケーション標準の分野で優れたプロフェッショナル機能を示すことがわかった。 BLEU-4は18.8564から66.8993に上昇し、ROUGEなどの評価指標も大幅に増加し、Llama-3-8B-インストラクトの微調整効果を上回った。 6つのエンティティ属性と10つの関連属性を含むオントロジーフレームワークに基づいて、13,906個のエンティティと13,524個の関係を含む通信標準ドメインの知識グラフを構築し、比較的良好なクエリ精度を示す。 インテリジェントなコンサルテーションおよび質問応答システムにより、サーバ側の微調整されたモデルが、ローカルに構築された知識グラフにアクセスし、まずキー情報のグラフィカル検索を行うことができる。 テストセットの審査員としてDeepSeekを用いた評価は、RAGフレームワークにより、細調整されたモデルにより、平均スコアが2.26%増加し、すべての5つの角度でスコアを改善することができることを示している。 そして、WebサービスとAPIインターフェースを組み合わせることで、インタラクションエクスペリエンスとバックエンドアクセスという観点で非常に良い結果を得ました。

関連論文リスト

• Diagnosing and Addressing Pitfalls in KG-RAG Datasets: Toward More Reliable Benchmarking [56.27361644734853]
  知識グラフ質問 回答システムは、複雑なマルチホップ推論を評価するために高品質なベンチマークに依存している。 広く使われているにもかかわらず、WebQSPやCWQのような一般的なデータセットは、重要な品質問題に悩まされている。 我々はこれらの落とし穴を体系的に解決するLLM-in-the-loopフレームワークであるKGQAGenを紹介する。 本研究は,KGQA評価を推し進めるスケーラブルなフレームワークとして,より厳密なベンチマーク構築とKGQAGenの位置づけを提唱する。
  論文  参考訳（メタデータ） (2025-05-29T14:44:52Z)
• Enhancing Large Language Models (LLMs) for Telecommunications using Knowledge Graphs and Retrieval-Augmented Generation [52.8352968531863]
  大規模言語モデル(LLM)は、汎用自然言語処理タスクにおいて大きな進歩を遂げている。 本稿では,知識グラフ(KG)と検索拡張生成(RAG)技術を組み合わせた新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-31T15:58:08Z)
• Question-Aware Knowledge Graph Prompting for Enhancing Large Language Models [51.47994645529258]
  本稿では,問合せをGNNアグリゲーションに組み込んでKG関連性を動的に評価するQAP(QA-Aware Knowledge Graph Prompting)を提案する。 実験の結果、QAPは複数のデータセットで最先端の手法よりも優れており、その有効性を強調している。
  論文  参考訳（メタデータ） (2025-03-30T17:09:11Z)
• Mind the Gap! Static and Interactive Evaluations of Large Audio Models [55.87220295533817]
  大型オーディオモデル(LAM)は、音声ネイティブな体験をパワーアップするために設計されている。 本研究は,484名の参加者から,LAMを評価し,7,500名のLAMインタラクションを収集する対話的アプローチを提案する。
  論文  参考訳（メタデータ） (2025-02-21T20:29:02Z)
• FusionMind -- Improving question and answering with external context fusion [0.0]
  事前学習言語モデル(LM)と知識グラフ(KG)を用いて,文脈知識が質問応答目標(QA)に与える影響を検討した。 知識事実のコンテキストを取り入れることで、パフォーマンスが大幅に向上することがわかった。 このことは、文脈的知識事実の統合が、質問応答のパフォーマンスを高める上でより影響があることを示唆している。
  論文  参考訳（メタデータ） (2023-12-31T03:51:31Z)
• How to Build an Adaptive AI Tutor for Any Course Using Knowledge Graph-Enhanced Retrieval-Augmented Generation (KG-RAG) [5.305156933641317]
  知的学習システム(ITS)におけるLarge Language Models (LLMs)は、パーソナライズされた教育に変革をもたらす機会を提供する。 現在の実装では、2つの重要な課題に直面している。 本稿では,構造化知識表現と文脈認識検索を統合した新しいフレームワークである知識グラフ強化検索(RAG)を提案する。
  論文  参考訳（メタデータ） (2023-11-29T15:02:46Z)
• Pay More Attention to Relation Exploration for Knowledge Base Question Answering [17.273836429397203]
  本稿では,知識ベースにおける関係を利用してエンティティ表現を強化する新しいフレームワークRE-KBQAを提案する。 CWQではF1スコアが40.5から46.3に、WebQSPでは62.8から68.5に5.8%向上した。
  論文  参考訳（メタデータ） (2023-05-03T13:48:30Z)
• Knowledge Graph Question Answering Leaderboard: A Community Resource to Prevent a Replication Crisis [61.740077541531726]
  コミュニティの焦点として、KGQAベンチマークデータセットに対して、新たな中心的でオープンなリーダボードを提供しています。 本分析は,KGQAシステムの評価において,既存の問題点を浮き彫りにする。
  論文  参考訳（メタデータ） (2022-01-20T13:46:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。