論文の概要: QueryPlot: Generating Geological Evidence Layers using Natural Language Queries for Mineral Exploration

• arxiv url: http://arxiv.org/abs/2602.17784v2
• Date: Tue, 24 Feb 2026 20:32:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-26 13:37:25.469031
• Title: QueryPlot: Generating Geological Evidence Layers using Natural Language Queries for Mineral Exploration
• Title（参考訳）: QueryPlot: 鉱物探査のための自然言語クエリを用いた地質エビデンス層の生成
• Authors: Meng Ye, Xiao Lin, Georgina Lukoczki, Graham W. Lederer, Yi Yao,
• Abstract要約: 本稿では,意味検索とマッピングのフレームワークであるQueryPlotを紹介する。 大規模な地質学的テキストコーパスと地質地図データを統合する。 システムは、事前訓練された埋め込みモデルを使用して、クエリとリージョン記述の両方をエンコードする。 意味的類似度スコアをランクに計算し、空間的に領域を視覚化する。
• 参考スコア（独自算出の注目度）: 6.222922823124804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mineral prospectivity mapping requires synthesizing heterogeneous geological knowledge, including textual deposit models and geospatial datasets, to identify regions likely to host specific mineral deposit types. This process is traditionally manual and knowledge-intensive. We present QueryPlot, a semantic retrieval and mapping framework that integrates large-scale geological text corpora with geologic map data using modern Natural Language Processing techniques. We curate descriptive deposit models for over 120 deposit types and transform the State Geologic Map Compilation (SGMC) polygons into structured textual representations. Given a user-defined natural language query, the system encodes both queries and region descriptions using a pretrained embedding model and computes semantic similarity scores to rank and spatially visualize regions as continuous evidence layers. QueryPlot supports compositional querying over deposit characteristics, enabling aggregation of multiple similarity-derived layers for multi-criteria prospectivity analysis. In a case study on tungsten skarn deposits, we demonstrate that embedding-based retrieval achieves high recall of known occurrences and produces prospective regions that closely align with expert-defined permissive tracts. Furthermore, similarity scores can be incorporated as additional features in supervised learning pipelines, yielding measurable improvements in classification performance. QueryPlot is implemented as a web-based system supporting interactive querying, visualization, and export of GIS-compatible prospectivity layers.To support future research, we have made the source code and datasets used in this study publicly available.
• Abstract（参考訳）: 鉱物の分布図は、特定の鉱床を営む可能性のある地域を特定するために、テキストの堆積モデルや地理空間のデータセットを含む異種地質の知識を合成する必要がある。 このプロセスは伝統的に手作業と知識集約である。 本稿では,大規模地質学的テキストコーパスと地質学的地図データを統合する意味検索・マッピングフレームワークであるQueryPlotについて述べる。 我々は120以上の鉱床型に関する記述的鉱床モデルをキュレートし、国家地質地図コンパイル(SGMC)ポリゴンを構造化されたテキスト表現に変換する。 ユーザ定義の自然言語クエリを与えられたシステムは、事前訓練された埋め込みモデルを使用してクエリとリージョン記述の両方を符号化し、セマンティック類似度スコアをランク付けし、連続的なエビデンス層として領域を空間的に可視化する。 QueryPlotは、寄託特性に対するコンポジションクエリをサポートし、複数の類似性由来のレイヤを集約して、複数基準の確率分析を可能にする。 タングステンスカルン鉱床のケーススタディにおいて,埋没型検索が既知の事象を高いリコールし,専門家が定義した許容領域と密に一致した予測領域を創出することを示す。 さらに、類似度スコアは教師付き学習パイプラインに付加的な機能として組み込むことができ、分類性能が測定可能な改善をもたらす。 QueryPlotは対話型クエリ,可視化,GIS互換の予測レイヤのエクスポートをサポートするWebベースシステムとして実装されており,今後の研究を支援するため,本研究で使用されるソースコードとデータセットを公開している。

関連論文リスト

• Geospatial Question Answering on Historical Maps Using Spatio-Temporal Knowledge Graphs and Large Language Models [4.25934967090365]
  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。
  論文  参考訳（メタデータ） (2025-08-29T10:16:37Z)
• DIGMAPPER: A Modular System for Automated Geologic Map Digitization [6.326773326196182]
  地質図のデジタル化を自動化するために米国地質調査所(USGS)と共同で開発されたシステムであるDIGMAPPERについて述べる。 DIGMAPPERは、地図レイアウト分析、特徴抽出、ジオレファリングのための最先端のディープラーニングモデルを統合する、完全にDocker化されたワークフローオーケストレーションアーキテクチャを備えている。 DARPA-USGSデータセットからの100以上の注釈付き地図の評価は、ポリゴン、線、点特徴抽出において高い精度を示す。
  論文  参考訳（メタデータ） (2025-06-19T03:51:47Z)
• 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)
• Core Building Blocks: Next Gen Geo Spatial GPT Application [0.0]
  本稿では,自然言語理解と空間データ分析のギャップを埋めることを目的としたMapGPTを紹介する。 MapGPTは、ロケーションベースのクエリに対するより正確でコンテキスト対応の応答を可能にする。
  論文  参考訳（メタデータ） (2023-10-17T06:59:31Z)
• 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)
• 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)
• AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
  リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。 我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
  論文  参考訳（メタデータ） (2022-01-31T20:02:22Z)
• Deep residential representations: Using unsupervised learning to unlock elevation data for geo-demographic prediction [0.0]
  LiDAR技術は、都市景観と農村景観の詳細な3次元標高マップを提供するために利用することができる。 現在まで、空中LiDAR画像は、主に環境と考古学の領域に限られている。 我々は、このデータの適合性は、独自のだけでなく、人口統計学的特徴と組み合わせたデータの源でもあると考え、埋め込みの現実的なユースケースを提供する。
  論文  参考訳（メタデータ） (2021-12-02T17:10:52Z)

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。