論文の概要: Geospatial Question Answering on Historical Maps Using Spatio-Temporal Knowledge Graphs and Large Language Models

• arxiv url: http://arxiv.org/abs/2508.21491v1
• Date: Fri, 29 Aug 2025 10:16:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:11.009686
• Title: Geospatial Question Answering on Historical Maps Using Spatio-Temporal Knowledge Graphs and Large Language Models
• Title（参考訳）: 時空間知識グラフと大規模言語モデルを用いた歴史地図の地理空間的問合せ
• Authors: Ziyi Liu, Sidi Wu, Lorenz Hurni,
• Abstract要約: 1つのアプローチは質問応答(QA)であり、ユーザーは自然で直感的な方法で知識を取得できる。 歴史的地図データから構築した時間的知識グラフ(KG)と大規模言語モデルを統合することにより,GeoQAシステムを開発した。 過去の地図画像やインターネット検索結果などの付加的なデータソースを我々のフレームワークに組み込んで、GeoQAに余分なコンテキストを提供する。
• 参考スコア（独自算出の注目度）: 4.25934967090365
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances have enabled the extraction of vectorized features from digital historical maps. To fully leverage this information, however, the extracted features must be organized in a structured and meaningful way that supports efficient access and use. One promising approach is question answering (QA), which allows users -- especially those unfamiliar with database query languages -- to retrieve knowledge in a natural and intuitive manner. In this project, we developed a GeoQA system by integrating a spatio-temporal knowledge graph (KG) constructed from historical map data with large language models (LLMs). Specifically, we have defined the ontology to guide the construction of the spatio-temporal KG and investigated workflows of two different types of GeoQA: factual and descriptive. Additional data sources, such as historical map images and internet search results, are incorporated into our framework to provide extra context for descriptive GeoQA. Evaluation results demonstrate that the system can generate answers with a high delivery rate and a high semantic accuracy. To make the framework accessible, we further developed a web application that supports interactive querying and visualization.
• Abstract（参考訳）: 近年の進歩により,デジタル歴史地図からベクトル化された特徴の抽出が可能となった。 しかし、この情報を完全に活用するには、抽出された機能は、効率的なアクセスと使用をサポートする構造的で意味のある方法で組織化する必要がある。 有望なアプローチのひとつに質問応答(QA)がある。これは、特にデータベースクエリ言語に精通していないユーザが、自然で直感的な方法で知識を取得できるようにするものだ。 本研究では,歴史地図データから構築した時空間知識グラフ(KG)を大規模言語モデル(LLM)と統合し,GeoQAシステムを開発した。 具体的には,時空間KGの構成をガイドするオントロジーを定義し,2種類のGeoQAのワークフローについて検討した。 歴史的地図画像やインターネット検索結果などの付加的なデータソースをフレームワークに組み込んで,GeoQA記述のための余分なコンテキストを提供する。 評価結果から,システムは高い納品率と高い意味的精度で回答を生成可能であることが示された。 フレームワークをアクセス可能にするために,インタラクティブなクエリと視覚化をサポートするWebアプリケーションを開発した。

関連論文リスト

• GeoRAG: A Question-Answering Approach from a Geographical Perspective [3.243241445980849]
  Geographic Question Answering (GeoQA) は、地理的領域における自然言語クエリに対処する。 従来のQAシステムは、限定的な理解、低い検索精度、弱い相互作用性、複雑なタスクの不十分な処理に悩まされている。 本研究は、ドメイン固有の微調整と迅速なエンジニアリングを統合した知識強化型QAフレームワークであるGeoRAGについて述べる。
  論文  参考訳（メタデータ） (2025-04-02T08:11:05Z)
• MapQaTor: An Extensible Framework for Efficient Annotation of Map-Based QA Datasets [3.3856216159724983]
  我々は、トレース可能なマップベースのQAデータセットの作成を合理化する、オープンソースのフレームワークであるMapQaTorを紹介した。 MapQaTorは任意のMap APIとのシームレスな統合を可能にし、ユーザはさまざまなソースからデータを収集して視覚化することができる。
  論文  参考訳（メタデータ） (2024-12-30T15:33:19Z)
• Ontology-grounded Automatic Knowledge Graph Construction by LLM under Wikidata schema [60.42231674887294]
  本稿では,Large Language Models (LLMs) を用いた知識グラフ構築のためのオントロジー的アプローチを提案する。 我々は、一貫性と解釈可能性を確保するために、抽出された関係に基づいて、著者によるオントロジーによるKGの基底生成を行う。 我々の研究は、人間の介入を最小限に抑えたスケーラブルなKG建設パイプラインの実現に向けて有望な方向を示し、高品質で人間に解釈可能なKGを生み出す。
  論文  参考訳（メタデータ） (2024-12-30T13:36:05Z)
• Geo-FuB: A Method for Constructing an Operator-Function Knowledge Base for Geospatial Code Generation Tasks Using Large Language Models [0.5242869847419834]
  本研究では,地理空間記述のセマンティクスを活用して,そのような知識基盤を構築するためのフレームワークを提案する。 サンプルの知識ベースであるGeo-FuBは154,075のGoogle Earth Engineスクリプトで構築されており、GitHubで公開されている。
  論文  参考訳（メタデータ） (2024-10-28T12:50:27Z)
• Swarm Intelligence in Geo-Localization: A Multi-Agent Large Vision-Language Model Collaborative Framework [51.26566634946208]
  smileGeoは、新しい視覚的ジオローカライゼーションフレームワークである。 エージェント間のコミュニケーションによって、SmithGeoはこれらのエージェントの固有の知識と、検索された情報を統合する。 その結果,本手法は現在の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-08-21T03:31:30Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• MGeo: Multi-Modal Geographic Pre-Training Method [49.78466122982627]
  マルチモーダルジオグラフィック言語モデル(MGeo)を提案する。 MGeoはGCを新しいモダリティとして表現し、正確なクエリ-POIマッチングのためのマルチモーダル相関を完全に抽出することができる。 提案するマルチモーダル事前学習法は,汎用PTMのクエリ-POIマッチング能力を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2023-01-11T03:05:12Z)

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。