論文の概要: Geolog-IA: Conversational System for Academic Theses

• arxiv url: http://arxiv.org/abs/2510.02653v1
• Date: Fri, 03 Oct 2025 01:11:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.222973
• Title: Geolog-IA: Conversational System for Academic Theses
• Title（参考訳）: Geolog-IA:学術論文の対話システム
• Authors: Micaela Fuel Pozo, Andrea Guatumillo Saltos, Yeseña Tipan Llumiquinga, Kelly Lascano Aguirre, Marilyn Castillo Jara, Christian Mejia-Escobar,
• Abstract要約: 本研究は,地質学に関する質問に対して自然に応答する人工知能に基づく対話システムであるGeolog-IAの開発について述べる。 提案手法では,Llama 3.1 と Gemini 2.5 の言語モデルを用いており,RAG (Retrieval Augmented Generation) アーキテクチャとデータベースを補完する。 BLEUメトリックによるGeolog-IAの性能評価は平均0.87に達し、生成した応答における高い一貫性と精度を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This study presents the development of Geolog-IA, a novel conversational system based on artificial intelligence that responds naturally to questions about geology theses from the Central University of Ecuador. Our proposal uses the Llama 3.1 and Gemini 2.5 language models, which are complemented by a Retrieval Augmented Generation (RAG) architecture and an SQLite database. This strategy allows us to overcome problems such as hallucinations and outdated knowledge. The evaluation of Geolog-IA's performance with the BLEU metric reaches an average of 0.87, indicating high consistency and accuracy in the responses generated. The system offers an intuitive, web-based interface that facilitates interaction and information retrieval for directors, teachers, students, and administrative staff at the institution. This tool can be a key support in education, training, and research and establishes a basis for future applications in other disciplines.
• Abstract（参考訳）: 本研究は,エクアドル中央大学の地質学に関する質問に自然に応答する,人工知能に基づく対話型システムであるGeolog-IAの開発について述べる。 我々の提案ではLlama 3.1とGemini 2.5言語モデルを用いており、これはRetrieval Augmented Generation (RAG)アーキテクチャとSQLiteデータベースで補完される。 この戦略により、幻覚や時代遅れの知識といった問題を克服できます。 BLEUメトリックによるGeolog-IAの性能評価は平均0.87に達し、生成した応答における高い一貫性と精度を示す。 このシステムは直感的でWebベースのインタフェースを提供し、教育機関のディレクター、教師、学生、管理スタッフの対話と情報検索を容易にする。 このツールは、教育、訓練、研究において重要なサポートとなり、他の分野における将来の応用の基礎を確立します。

関連論文リスト

• GeoEvolve: Automating Geospatial Model Discovery via Multi-Agent Large Language Models [49.257706111340134]
  進化的探索と地理空間的ドメイン知識を結合した多エージェントLLMフレームワークであるGeoEvolveを紹介する。 本研究では,空間的不確実性と空間的不確実性という2つの基本的・古典的課題について評価する。 空間誤差(RMSE)を13-21%削減し、不確実性推定性能を17%向上させる。
  論文  参考訳（メタデータ） (2025-09-25T21:03:57Z)
• GeoGPT-RAG Technical Report [48.23789135946953]
  GeoGPTは、地球科学の研究を進めるために開発されたオープンな大規模言語モデルシステムである。 RAGは、外部知識ソースから取得した関連情報を出力する。 RAGは、地質学的コンテンツ用にキュレーションされた特殊なコーパスであるGeoGPT Libraryから、RAGを使用して描画する。
  論文  参考訳（メタデータ） (2025-08-18T08:29:22Z)
• OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence [51.0456395687016]
  マルチモーダル大言語モデル(LLM)が人工知能の新しいフロンティアをオープンした。 地理空間応用に適したMLLM(OmniGeo)を提案する。 自然言語理解の長所と空間的推論の長所を組み合わせることで,GeoAIシステムの指示追従能力と精度を高めることができる。
  論文  参考訳（メタデータ） (2025-03-20T16:45:48Z)
• PEACE: Empowering Geologic Map Holistic Understanding with MLLMs [64.58959634712215]
  地質図は地質学の基本的な図として、地球の地下と地表の構造と構成に関する重要な洞察を提供する。 その重要性にもかかわらず、現在のマルチモーダル大言語モデル(MLLM)は地質図の理解に乏しいことが多い。 このギャップを定量化するために、地質地図理解においてMLLMを評価するための最初のベンチマークであるGeoMap-Benchを構築した。
  論文  参考訳（メタデータ） (2025-01-10T18:59:42Z)
• A comprehensive GeoAI review: Progress, Challenges and Outlooks [0.0]
  Geospatial Artificial Intelligence (GeoAI)は、最も関連性の高い研究と産業応用で注目を集めている。 本稿では,地理空間データに人工知能(AI)手法とモデルを適用した相乗的概念としてGeoAIを包括的にレビューする。
  論文  参考訳（メタデータ） (2024-12-16T10:41:02Z)
• GEE-OPs: An Operator Knowledge Base for Geospatial Code Generation on the Google Earth Engine Platform Powered by Large Language Models [0.562479170374811]
  本稿では,Google Earth Engine (GEE) JavaScript APIに適した演算子知識ベースを構築するためのフレームワークを提案する。 本フレームワークは、演算子構文知識テーブル、演算子関係周波数テーブル、演算子頻繁パターン知識テーブル、演算子関係連鎖知識テーブルからなる。 本研究では,演算子の知識抽出において,90%以上の精度,リコール,F1スコアが達成されていることを示す。
  論文  参考訳（メタデータ） (2024-12-07T08:50:24Z)
• The S2 Hierarchical Discrete Global Grid as a Nexus for Data Representation, Integration, and Querying Across Geospatial Knowledge Graphs [4.358099505067763]
  本稿では,KnowWhereGraphにおけるGoogleのS2幾何の実装について概説する。 最終的にこの研究は、スケーラブルなGeoKGを構築するためのDGGSフレームワーク、特にS2の可能性を示している。
  論文  参考訳（メタデータ） (2024-10-18T18:30:05Z)
• GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
  我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。 オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。 我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
  論文  参考訳（メタデータ） (2023-05-11T03:21:56Z)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)

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。