論文の概要: Introducing ORKG ASK: an AI-driven Scholarly Literature Search and Exploration System Taking a Neuro-Symbolic Approach

• arxiv url: http://arxiv.org/abs/2512.16425v1
• Date: Thu, 18 Dec 2025 11:25:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:32.030118
• Title: Introducing ORKG ASK: an AI-driven Scholarly Literature Search and Exploration System Taking a Neuro-Symbolic Approach
• Title（参考訳）: ORKG ASKの紹介 : ニューロシンボリックアプローチを用いたAIによる学術文献検索と探索システム
• Authors: Allard Oelen, Mohamad Yaser Jaradeh, Sören Auer,
• Abstract要約: ASK(Assistant for Scientific Knowledge)は、AIによる学術文献探索システムである。 本システムは,自然言語で研究質問を入力し,関連記事の検索を可能にする。 キー情報を自動抽出し、検索・拡張生成(RAG)アプローチを用いて研究質問に対する回答を生成する。
• 参考スコア（独自算出の注目度）: 4.4684259220459035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the volume of published scholarly literature continues to grow, finding relevant literature becomes increasingly difficult. With the rise of generative Artificial Intelligence (AI), and particularly Large Language Models (LLMs), new possibilities emerge to find and explore literature. We introduce ASK (Assistant for Scientific Knowledge), an AI-driven scholarly literature search and exploration system that follows a neuro-symbolic approach. ASK aims to provide active support to researchers in finding relevant scholarly literature by leveraging vector search, LLMs, and knowledge graphs. The system allows users to input research questions in natural language and retrieve relevant articles. ASK automatically extracts key information and generates answers to research questions using a Retrieval-Augmented Generation (RAG) approach. We present an evaluation of ASK, assessing the system's usability and usefulness. Findings indicate that the system is user-friendly and users are generally satisfied while using the system.
• Abstract（参考訳）: 学術文献の出版が進むにつれて、関連文献の発見がますます困難になっている。 生成人工知能(AI)、特にLarge Language Models(LLM)の台頭に伴い、新たな可能性として文学の発見と探索が生まれている。 本稿では,AIによる学術文献検索・探索システムであるASK(Assistant for Scientific Knowledge)を紹介する。 ASKは、ベクトル探索、LLM、知識グラフを活用することで、関連する学術文献の発見において、研究者に積極的な支援を提供することを目的としている。 本システムは,自然言語で研究質問を入力し,関連記事の検索を可能にする。 ASKは、キー情報を自動抽出し、検索・拡張生成(RAG)アプローチを用いて研究質問に対する回答を生成する。 本稿では,ASKの評価を行い,システムの有用性と有用性を評価する。 システムはユーザフレンドリであり,システムの使用時に一般的に満足していることを示す。

関連論文リスト

• WisPaper: Your AI Scholar Search Engine [55.07907253175705]
  textscWisPaperは、インテリジェントな学術検索と文献管理プラットフォームである。 文献発見、管理、研究フロンティアの継続的な追跡をシームレスに接続するクローズドループワークフローを提供する。 プラットフォームは一般公開されており、学術や産業の研究者に利用されている。
  論文  参考訳（メタデータ） (2025-12-07T15:10:20Z)
• NeuroLit Navigator: A Neurosymbolic Approach to Scholarly Article Searches for Systematic Reviews [15.32315124754677]
  NeuroLit Navigator' は、ドメイン固有の LLM と、MeSH (Messical Subject Headings) やUMLS (Unified Medical Language System) のような構造化知識ソースを組み合わせる。 この統合はクエリの定式化を強化し、検索語彙を拡張し、検索範囲を深くし、より正確な検索を可能にする。 NeuroLit Navigatorは、最初の文献検索に必要な時間を90%削減した。
  論文  参考訳（メタデータ） (2025-03-01T01:11:24Z)
• NANOGPT: A Query-Driven Large Language Model Retrieval-Augmented Generation System for Nanotechnology Research [7.520798704421448]
  ナノテクノロジー研究に適した大規模言語モデル検索・拡張生成システム(LLM-RAG) システムは、Google Scholarの高度な検索を利用して関連する文献を検索し、Elsevier、Springer Nature、ACS Publicationsからオープンアクセス論文をスクラップする。
  論文  参考訳（メタデータ） (2025-02-27T21:40:22Z)
• A Socratic RAG Approach to Connect Natural Language Queries on Research Topics with Knowledge Organization Systems [0.3782392304044599]
  本稿では,研究トピックに関する自然言語クエリを機械で解釈可能なセマンティックエンティティにマッピングするRAG(Retrieval Augmented Generation)エージェントを提案する。 我々のアプローチは、RAGとソクラティック対話を組み合わせることで、ユーザの研究トピックに対する直感的な理解と、確立した知識組織システムとを整合させる。
  論文  参考訳（メタデータ） (2025-02-20T19:58:59Z)
• SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
  本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。 SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。 本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
  論文  参考訳（メタデータ） (2024-04-09T15:01:51Z)
• Search Still Matters: Information Retrieval in the Era of Generative AI [1.68609633200389]
  この視点は、IRプロセスのモチベーション、考慮、結果の文脈における生成的AIの使用を探求する。 このようなシステムのユーザ、特に学者は、信頼性、タイムライン、検索の文脈化に関する懸念を持っている。
  論文  参考訳（メタデータ） (2023-11-30T13:36:21Z)
• Large Language Models for Information Retrieval: A Survey [83.75872593741578]
  情報検索は、項ベースの手法から高度なニューラルモデルとの統合へと進化してきた。 近年の研究では、大規模言語モデル(LLM)を活用してIRシステムの改善が試みられている。 LLMとIRシステムの合流点を探索し、クエリリライト、リトリバー、リランカー、リーダーといった重要な側面を含む。
  論文  参考訳（メタデータ） (2023-08-14T12:47:22Z)
• A New Neural Search and Insights Platform for Navigating and Organizing AI Research [56.65232007953311]
  我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。 本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
  論文  参考訳（メタデータ） (2020-10-30T19:12:25Z)

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。