論文の概要: SpiritRAG: A Q&A System for Religion and Spirituality in the United Nations Archive

• arxiv url: http://arxiv.org/abs/2507.04395v1
• Date: Sun, 06 Jul 2025 13:54:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.157974
• Title: SpiritRAG: A Q&A System for Religion and Spirituality in the United Nations Archive
• Title（参考訳）: SpiritRAG: 国連アーカイブにおける宗教とスピリチュアリティのためのQ&Aシステム
• Authors: Yingqiang Gao, Fabian Winiger, Patrick Montjourides, Anastassia Shaitarova, Nianlong Gu, Simon Peng-Keller, Gerold Schneider,
• Abstract要約: Retrieval-Augmented Generation(RAG)に基づく対話型Q&AシステムであるSpiritRAGを提案する。 SpiritRAGは、保健・教育分野におけるR/Sに関する7500件の国連(UN)決議文書を使って構築され、研究者や政策立案者が複雑な文脈に敏感なデータベース検索を行うことを可能にする。 100の質問を手作業で作成したドメインエキスパートによるパイロットテストと評価は、SpiritRAGの実用的価値と有用性を示している。
• 参考スコア（独自算出の注目度）: 4.575515160275914
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Religion and spirituality (R/S) are complex and highly domain-dependent concepts which have long confounded researchers and policymakers. Due to their context-specificity, R/S are difficult to operationalize in conventional archival search strategies, particularly when datasets are very large, poorly accessible, and marked by information noise. As a result, considerable time investments and specialist knowledge is often needed to extract actionable insights related to R/S from general archival sources, increasing reliance on published literature and manual desk reviews. To address this challenge, we present SpiritRAG, an interactive Question Answering (Q&A) system based on Retrieval-Augmented Generation (RAG). Built using 7,500 United Nations (UN) resolution documents related to R/S in the domains of health and education, SpiritRAG allows researchers and policymakers to conduct complex, context-sensitive database searches of very large datasets using an easily accessible, chat-based web interface. SpiritRAG is lightweight to deploy and leverages both UN documents and user provided documents as source material. A pilot test and evaluation with domain experts on 100 manually composed questions demonstrates the practical value and usefulness of SpiritRAG.
• Abstract（参考訳）: 宗教とスピリチュアリティ(R/S)は複雑でドメインに依存した概念であり、長年に渡り研究者や政策立案者である。 文脈特異性のため、特にデータセットが非常に大きく、アクセスしづらい、情報ノイズに特徴付けられる場合、従来のアーカイブ検索戦略では、R/Sは運用が困難である。 その結果、一般のアーカイブソースからR/Sに関する実行可能な洞察を抽出するためには、かなりの時間的投資と専門知識が必要となり、出版された文献やマニュアル・デスクのレビューへの依存度が高まる。 この課題に対処するため,Retrieval-Augmented Generation (RAG)に基づく対話型質問応答システムであるSpiritRAGを提案する。 SpiritRAGは、保健教育分野のR/Sに関する7500件の国連(UN)決議文書を使って構築されている。研究者や政策立案者は、簡単にアクセス可能なチャットベースのWebインターフェースを使用して、非常に大きなデータセットの複雑なコンテキストに敏感なデータベース検索を行うことができる。 SpiritRAGは、UNドキュメントとユーザが提供するドキュメントの両方をソース資料としてデプロイし、活用する軽量である。 100の質問を手作業で作成したドメインエキスパートによるパイロットテストと評価は、SpiritRAGの実用的価値と有用性を示している。

関連論文リスト

• RiTeK: A Dataset for Large Language Models Complex Reasoning over Textual Knowledge Graphs [12.846097618151951]
  我々は,テキスト知識グラフ(RiTeK)を用いたLLMの複雑な推論のためのデータセットを開発し,広範なトポロジ的構造を網羅する。 多様なトポロジ構造、注釈付き情報、複雑なテキスト記述を統合した現実的なユーザクエリを合成する。 そこで我々はモンテカルロ木探索法 (CTS) を導入し, 特定のクエリに対してテキストグラフから関係経路情報を自動的に抽出する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-17T19:33:37Z)
• Multi-Source Knowledge Pruning for Retrieval-Augmented Generation: A Benchmark and Empirical Study [46.55831783809377]
  大規模言語モデル(LLM)の幻覚を緩和するための効果的なアプローチとして,検索拡張世代(RAG)がますます認識されている。 PruningRAGはマルチグラニュラリティ・プルーニング・ストラテジーを用いて,関連コンテキストをより効果的に統合し,誤った情報に対するネガティブな影響を軽減するためのプラグアンドプレイRAGフレームワークである。
  論文  参考訳（メタデータ） (2024-09-03T03:31:37Z)
• RichRAG: Crafting Rich Responses for Multi-faceted Queries in Retrieval-Augmented Generation [35.981443744108255]
  本稿ではRichRAGという新しいRAGフレームワークを提案する。 これには、入力された質問の潜在的なサブアスペクトを特定するサブアスペクトエクスプローラー、これらのサブアスペクトに関連する多様な外部文書の候補プールを構築するレトリバー、および生成リストワイズローダが含まれる。 2つの公開データセットの実験結果から,我々のフレームワークがユーザに対して包括的かつ満足な応答を効果的に提供できることが証明された。
  論文  参考訳（メタデータ） (2024-06-18T12:52:51Z)
• A Survey on RAG Meeting LLMs: Towards Retrieval-Augmented Large Language Models [71.25225058845324]
  大規模言語モデル(LLM)は、言語理解と生成において革命的な能力を示している。 Retrieval-Augmented Generation (RAG)は、信頼性と最新の外部知識を提供する。 RA-LLMは、モデルの内部知識に頼るのではなく、外部および権威的な知識ベースを活用するために登場した。
  論文  参考訳（メタデータ） (2024-05-10T02:48:45Z)
• STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
  テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。 本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。 多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
  論文  参考訳（メタデータ） (2024-04-19T22:54:54Z)
• REAR: A Relevance-Aware Retrieval-Augmented Framework for Open-Domain Question Answering [115.72130322143275]
  REAR(Relevance-Aware Retrieval-augmented approach for open-domain Question answering, QA) 我々は,特殊な設計のアセスメントモジュールを組み込むことで,LLMベースのRAGシステムのための新しいアーキテクチャを開発する。 オープンドメインの4つのQAタスクの実験では、REARは以前の競争力のあるRAGアプローチよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2024-02-27T13:22:51Z)

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。