論文の概要: Towards Intelligent Geospatial Data Discovery: a knowledge graph-driven multi-agent framework powered by large language models

• arxiv url: http://arxiv.org/abs/2603.20670v1
• Date: Sat, 21 Mar 2026 06:16:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.03057
• Title: Towards Intelligent Geospatial Data Discovery: a knowledge graph-driven multi-agent framework powered by large language models
• Title（参考訳）: Intelligent Geospatial Data Discoveryを目指して - 大規模言語モデルを活用した知識グラフ駆動型マルチエージェントフレームワーク
• Authors: Ruixiang Liu, Zhenlong Li, Ali Khosravi Kazazi,
• Abstract要約: 本研究では,知的地理空間データ探索のための知識グラフ駆動型マルチエージェントフレームワークを提案する。 その結果,従来のシステムと比較して,意図マッチングの精度,ランキング品質,リコール,発見の透明性が大幅に向上していることがわかった。
• 参考スコア（独自算出の注目度）: 0.49157446832511503
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid growth in the volume, variety, and velocity of geospatial data has created data ecosystems that are highly distributed, heterogeneous, and semantically inconsistent. Existing data catalogs, portals, and infrastructures still rely largely on keyword-based search with limited semantic support, which often fails to capture user intent and leads to weak retrieval performance. To address these challenges, this study proposes a knowledge graph-driven multi-agent framework for intelligent geospatial data discovery, powered by large language models. The framework introduces a unified geospatial metadata ontology as a semantic mediation layer to align heterogeneous metadata standards across platforms and constructs a geospatial metadata knowledge graph to explicitly model datasets and their multidimensional relationships. Building on the structured representation, the framework adopts a multi-agent collaborative architecture to perform intent parsing, knowledge graph retrieval, and answer synthesis, forming an interpretable and closed-loop discovery process from user queries to results. Results from representative use cases and performance evaluation show that the framework substantially improves intent matching accuracy, ranking quality, recall, and discovery transparency compared with traditional systems. This study advances geospatial data discovery toward a more semantic, intent-aware, and intelligent paradigm, providing a practical foundation for next-generation intelligent and autonomous spatial data infrastructures and contributing to the broader vision of Autonomous GIS.
• Abstract（参考訳）: 地理空間データの量、多様性、速度の急速な成長は、高度に分散し、均一であり、意味的に一貫性のないデータエコシステムを生み出した。 既存のデータカタログ、ポータル、インフラはいまだにキーワードベースの検索に大きく依存しており、セマンティックサポートが限定されている。 これらの課題に対処するために,大規模言語モデルを用いた知的地理空間データ探索のための知識グラフ駆動型マルチエージェントフレームワークを提案する。 このフレームワークは、セマンティック・メディエーション・レイヤとして統合された地理空間メタデータオントロジーを導入し、プラットフォーム間の異種メタデータ標準を整合させ、地理空間メタデータ知識グラフを構築し、データセットとその多次元関係を明示的にモデル化する。 構造化表現に基づいて、このフレームワークは多エージェント協調アーキテクチャを採用し、インテント解析、知識グラフ検索、および回答合成を行い、ユーザクエリから結果への解釈可能でクローズドループ発見プロセスを形成する。 代表的なユースケースと性能評価の結果から,従来のシステムと比較して,意図マッチングの精度,ランキング品質,リコール,発見の透明性を著しく向上することが示された。 本研究は,地空間データ発見を,より意味的,意図的,インテリジェントなパラダイムへと発展させ,次世代の知的かつ自律的な空間データ基盤の実践的基盤を提供し,自律型GISのより広範なビジョンに寄与する。

関連論文リスト

• OpenEarthAgent: A Unified Framework for Tool-Augmented Geospatial Agents [68.85365034738534]
  本稿では,衛星画像,自然言語クエリ,詳細な推論トレースに基づいて学習したツール拡張された地理空間エージェントを開発するための統一的なフレームワークを提案する。 トレーニングパイプラインは、構造化推論軌道上の教師付き微調整に依存し、モデルを検証された多段階ツールの相互作用と整合させる。 付随コーパスは、14,538のトレーニングと1,169の評価インスタンスから構成され、トレーニングスプリットでは100K以上の推論ステップ、評価スプリットでは7K以上の推論ステップがある。
  論文  参考訳（メタデータ） (2026-02-19T18:59:54Z)
• Intelligent Scientific Literature Explorer using Machine Learning (ISLE) [0.797970449705065]
  本稿では,大規模データ取得,ハイブリッド検索,セマンティックトピックモデリング,異種知識グラフ構築を組み合わせた科学文献探索システムを提案する。 提案するフレームワークは,AIによる科学的発見の基盤となる。
  論文  参考訳（メタデータ） (2025-12-14T16:54:24Z)
• Scalable and Explainable Enterprise Knowledge Discovery Using Graph-Centric Hybrid Retrieval [0.0]
  現代の企業は、Jira、Gitリポジトリ、Confluence、wikiなどの異種システムに分散した膨大な知識を管理している。 本稿では,知識ベース言語拡張モデル(KBLam),DeepGraph表現,埋め込み型セマンティック検索を統合したモジュール型ハイブリッド検索フレームワークを提案する。 このフレームワークは、コード、プルリクエスト、コミット履歴を含む解析済みのリポジトリから統一された知識グラフを構築する。 大規模なGitリポジトリの実験では、統一推論層は、スタンドアロンのGPTベースの検索パイプラインと比較して、回答の妥当性を最大80%改善している。
  論文  参考訳（メタデータ） (2025-10-13T02:56:36Z)
• 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)
• The Ontoverse: Democratising Access to Knowledge Graph-based Data Through a Cartographic Interface [33.861478826378054]
  我々は地理的視覚化と階層的に構造化されたドメイン知識に依存したデータナビゲーションにユニークなアプローチを開発した。 提案手法は自然言語処理技術を用いて,基礎となるデータから名前付きエンティティを抽出し,関連する意味領域参照やナビゲーション構造に対して正規化する。 これにより、エンドユーザは、ニーズに関連するエンティティを識別し、広範なグラフ分析にアクセスできるようになる。
  論文  参考訳（メタデータ） (2024-07-22T10:29:25Z)
• 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。