論文の概要: Intent Aware Context Retrieval for Multi-Turn Agricultural Question Answering
- arxiv url: http://arxiv.org/abs/2508.03719v1
- Date: Mon, 28 Jul 2025 09:00:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-07 20:09:22.32082
- Title: Intent Aware Context Retrieval for Multi-Turn Agricultural Question Answering
- Title（参考訳）: マルチターン農業質問応答における意図的文脈検索
- Authors: Abhay Vijayvargia, Ajay Nagpal, Kundeshwar Pundalik, Atharva Savarkar, Smita Gautam, Pankaj Singh, Rohit Saluja, Ganesh Ramakrishnan,
- Abstract要約: インディアンの農夫は、特に識字率の低い田園部では、タイムリーで、アクセシビリティがあり、言語に優しい農業アドバイスを欠いている。
本稿では,AIを活用した新しい農業チャットボットKrishi Sathiについて述べる。
Krishi Sathi氏は、構造化されたマルチターンの会話フローに従って、ファーマーから必要な詳細を徐々に収集し、応答を生成する前にクエリが完全に理解されるようにする。
- 参考スコア（独自算出の注目度）: 17.122839125789557
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Indian farmers often lack timely, accessible, and language-friendly agricultural advice, especially in rural areas with low literacy. To address this gap in accessibility, this paper presents a novel AI-powered agricultural chatbot, Krishi Sathi, designed to support Indian farmers by providing personalized, easy-to-understand answers to their queries through both text and speech. The system's intelligence stems from an IFT model, subsequently refined through fine-tuning on Indian agricultural knowledge across three curated datasets. Unlike traditional chatbots that respond to one-off questions, Krishi Sathi follows a structured, multi-turn conversation flow to gradually collect the necessary details from the farmer, ensuring the query is fully understood before generating a response. Once the intent and context are extracted, the system performs Retrieval-Augmented Generation (RAG) by first fetching information from a curated agricultural database and then generating a tailored response using the IFT model. The chatbot supports both English and Hindi languages, with speech input and output features (via ASR and TTS) to make it accessible for users with low literacy or limited digital skills. This work demonstrates how combining intent-driven dialogue flows, instruction-tuned models, and retrieval-based generation can improve the quality and accessibility of digital agricultural support in India. This approach yielded strong results, with the system achieving a query response accuracy of 97.53%, 91.35% contextual relevance and personalization, and a query completion rate of 97.53%. The average response time remained under 6 seconds, ensuring timely support for users across both English and Hindi interactions.
- Abstract（参考訳）: インディアンの農夫は、特に識字率の低い田園部で、タイムリーで、アクセシビリティがあり、言語に優しい農業アドバイスを欠いている。
このアクセシビリティのギャップに対処するため,本研究では,AIを活用した新しい農業チャットボットKrishi Sathiを提案する。
システムのインテリジェンスは、IFTモデルに由来し、その後、3つのキュレートされたデータセットにわたるインドの農業知識の微調整によって洗練される。
ワンオフの質問に応答する従来のチャットボットとは異なり、Krishi Sathi氏は、構造化されたマルチターンの会話フローに従って、ファーマーから必要な詳細を徐々に収集し、応答を生成する前にクエリが完全に理解されるようにする。
インテントとコンテキストが抽出されると、このシステムは、まず、キュレートされた農業データベースから情報を取得し、次にIFTモデルを用いて調整された応答を生成することにより、検索拡張生成(RAG)を行う。
このチャットボットは英語とヒンディー語の両方をサポートし、音声入力と出力機能(ASRとTS経由)により、リテラシーの低いユーザやデジタルスキルの制限のあるユーザでも利用できる。
本研究は、インドにおけるデジタル農業支援の品質とアクセシビリティを向上させるために、意図駆動型対話フロー、命令調整モデル、検索ベース生成を組み合わせる方法を示す。
このアプローチは、クエリ応答精度97.53%、コンテキスト関連性とパーソナライゼーション91.35%、クエリ完了率97.53%という強力な結果を得た。
平均応答時間は6秒未満で、英語とヒンディー語の両方のインタラクションをタイムリーにサポートした。
関連論文リスト
- Leveraging Synthetic Data for Question Answering with Multilingual LLMs in the Agricultural Domain [1.0144032120138065]
本研究は,インドの農業特化資料から多言語(ヒンディー語,パンジャービ語)の合成データセットを生成する。
人為的データセットの評価は、事実性、関連性、農業コンセンサスにおいて著しく改善されている。
論文 参考訳（メタデータ） (2025-07-22T19:25:10Z) - Text-to-SPARQL Goes Beyond English: Multilingual Question Answering Over Knowledge Graphs through Human-Inspired Reasoning [51.203811759364925]
mKGQAgentは、自然言語の質問をSPARQLクエリに変換し、モジュール化された解釈可能なサブタスクに変換するタスクを分解する。
2025年のText2SPARQLチャレンジにおいて、DBpediaとCorporateベースのKGQAベンチマークに基づいて評価され、私たちのアプローチは、他の参加者の中で第一に行われました。
論文 参考訳（メタデータ） (2025-07-22T19:23:03Z) - AgriLLM: Harnessing Transformers for Farmer Queries [2.8592691160719554]
本研究は,農業従事者を対象とした問合せ解決の自動化におけるLarge Language Models (LLMs) の変容の可能性を探るものである。
インドで収集された現実世界のファーマークェリの膨大なデータセットのサブセットを用いて、我々の研究はタミル・ナドゥ州の約400万のクェリに焦点を当てた。
論文 参考訳（メタデータ） (2024-06-21T07:37:41Z) - ChatGPT in the context of precision agriculture data analytics [0.19036571490366497]
精密農業における自動センサのデータ処理パイプラインにChatGPTを統合することは、いくつかのメリットをもたらす可能性がある、と我々は主張する。
本稿では,ChatGPTがリモートサーバのデータベースと対話する3つの方法を示す。
農業データの解析・解釈におけるChatGPTの有効性と有効性について検討した。
論文 参考訳（メタデータ） (2023-11-10T20:44:30Z) - Search-Engine-augmented Dialogue Response Generation with Cheaply
Supervised Query Production [98.98161995555485]
応答生成のために,任意の検索エンジンから膨大な動的情報にアクセス可能な対話モデルを提案する。
コアモジュールとして、クエリプロデューサを使用して、対話コンテキストからクエリを生成して、検索エンジンと対話する。
R@1とR@5のレートを62.4%と74.8%で達成できることを示す実験を行った。
論文 参考訳（メタデータ） (2023-02-16T01:58:10Z) - End-to-end Spoken Conversational Question Answering: Task, Dataset and
Model [92.18621726802726]
音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。
本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。
本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
論文 参考訳（メタデータ） (2022-04-29T17:56:59Z) - Farmer-Bot: An Interactive Bot for Farmers [0.0]
我々は、過去に農家が行ったクエリのセマンティックな類似性を取得し、将来のクエリに自動的に答えることによって、NLPモデルを構築します。
WhatsAppベースのチャットボットを、RASAをツールとして利用して農家と簡単にコミュニケーションできるようにする。
論文 参考訳（メタデータ） (2022-04-07T17:52:21Z) - LSTM-RASA Based Agri Farm Assistant for Farmers [1.4777718769290527]
このプロジェクトは、農業分野のためのクローズドドメインのChatBotを実装することを目的としている。
Farmers AssistantはRASA Open Source Frameworkをベースにしている。
ユーザエンティティを発話から識別し、データベースから治療を検索する。
論文 参考訳（メタデータ） (2022-04-07T11:01:54Z) - Towards Data Distillation for End-to-end Spoken Conversational Question
Answering [65.124088336738]
音声対話型質問応答タスク(SCQA)を提案する。
SCQAは,音声発話とテキストコーパスから複雑な対話の流れをモデル化することを目的としている。
我々の主な目的は、音声とテキストの両方で会話的な質問に対処するQAシステムを構築することである。
論文 参考訳（メタデータ） (2020-10-18T05:53:39Z) - Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。
我々は,読者が情報を求めるための実践的な戦略に携わることを示す。
我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
論文 参考訳（メタデータ） (2020-10-04T19:03:39Z) - Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term
Importance Estimation and Neural Query Rewriting [56.268862325167575]
マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。
本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。
前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。
後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
論文 参考訳（メタデータ） (2020-05-05T14:30:20Z)
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。