論文の概要: Semi-Automated Knowledge Engineering and Process Mapping for Total Airport Management

• arxiv url: http://arxiv.org/abs/2603.26076v1
• Date: Fri, 27 Mar 2026 05:07:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.357944
• Title: Semi-Automated Knowledge Engineering and Process Mapping for Total Airport Management
• Title（参考訳）: 空港管理における半自動知識工学とプロセスマッピング
• Authors: Darryl Teo, Adharsha Sam, Chuan Shen Marcus Koh, Rakesh Nagi, Nuno Antunes Ribeiro,
• Abstract要約: 本稿では,ドメインベースで機械可読な知識グラフを構築するためのフレームワークを提案する。 このフレームワークは、専門家によるKE構造が大規模言語モデルをガイドする、足場付き融合戦略を採用している。 提案手法は,探索のための確率論的モデルと,すべての抽出を基底に固定する決定論的アルゴリズムを融合する。
• 参考スコア（独自算出の注目度）: 3.0773704200707233
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Documentation of airport operations is inherently complex due to extensive technical terminology, rigorous regulations, proprietary regional information, and fragmented communication across multiple stakeholders. The resulting data silos and semantic inconsistencies present a significant impediment to the Total Airport Management (TAM) initiative. This paper presents a methodological framework for constructing a domain-grounded, machine-readable Knowledge Graph (KG) through a dual-stage fusion of symbolic Knowledge Engineering (KE) and generative Large Language Models (LLMs). The framework employs a scaffolded fusion strategy in which expert-curated KE structures guide LLM prompts to facilitate the discovery of semantically aligned knowledge triples. We evaluate this methodology on the Google LangExtract library and investigate the impact of context window utilization by comparing localized segment-based inference with document-level processing. Contrary to prior empirical observations of long-context degradation in LLMs, document-level processing improves the recovery of non-linear procedural dependencies. To ensure the high-fidelity provenance required in airport operations, the proposed framework fuses a probabilistic model for discovery and a deterministic algorithm for anchoring every extraction to its ground source. This ensures absolute traceability and verifiability, bridging the gap between "black-box" generative outputs and the transparency required for operational tooling. Finally, we introduce an automated framework that operationalizes this pipeline to synthesize complex operational workflows from unstructured textual corpora.
• Abstract（参考訳）: 空港運営の文書化は、幅広い技術用語、厳格な規制、独自の地域情報、複数の利害関係者間の断片的なコミュニケーションによって本質的に複雑である。 結果として得られたデータサイロと意味的不整合は、トータル空港管理(TAM)イニシアチブに重大な障害をもたらす。 本稿では,記号的知識工学 (KE) と生成的大言語モデル (LLM) の2段階融合により,ドメインベースで機械可読な知識グラフ (KG) を構築するための方法論的枠組みを提案する。 このフレームワークは、専門家によって計算されたKE構造がLLMを誘導し、意味的に整合した知識の発見を促進するための足場融合戦略を採用している。 この手法をGoogle LangExtractライブラリ上で評価し、局所化されたセグメントベース推論と文書レベルの処理を比較して、コンテキストウィンドウ利用の影響について検討する。 LLMの長期劣化に関する経験的観察とは対照的に、文書レベルの処理は非線形手続き的依存関係の回復を改善する。 空港運営に必要な高忠実性証明を確保するため,提案手法は,発見のための確率論的モデルと,すべての抽出を地上に固定する決定論的アルゴリズムを融合させる。 これにより、絶対的なトレーサビリティと検証可能性を確保し、"ブラックボックス"生成出力と運用ツールに必要な透明性のギャップを埋めることができます。 最後に、このパイプラインを運用する自動化フレームワークを導入し、構造化されていないテキストコーパスから複雑な運用ワークフローを合成する。

関連論文リスト

• Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
  大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。 本稿では,再構築による理解という,新しいパラダイムを提案する。 マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-11T09:23:20Z)
• AI Agent for Reverse-Engineering Legacy Finite-Difference Code and Translating to Devito [0.0]
  本研究では,従来の有限差分実装のDevito環境への変換を容易にする統合AIフレームワークを開発する。 Retrieval-Augmented Generation (RAG)とオープンソースのLarge Language Modelsは、システムのハイブリッドLangGraphアーキテクチャにおいて、マルチステージ反復によって結合される。
  論文  参考訳（メタデータ） (2026-01-26T11:31:00Z)
• Ontology-aligned structuring and reuse of multimodal materials data and workflows towards automatic reproduction [1.4658400971135652]
  既存のテキストマイニング手法では、関連するパラメータを含む完全計算を抽出するには不十分である。 文献からの計算密度の自動抽出と構造化のための大規模言語モデル(LLM)支援フレームワークが導入された。 このフレームワークは、公表された結果を意味的に相互運用可能な形式で整理・コンテキスト化するための基盤を提供し、それによって計算材料データの透明性と再利用性を向上させる。
  論文  参考訳（メタデータ） (2026-01-18T20:51:23Z)
• Integrating Domain Knowledge into Process Discovery Using Large Language Models [3.7448613209842967]
  本稿では,自然言語で表現されたドメイン知識をプロセス発見パイプラインに組み込む対話型フレームワークを提案する。 このフレームワークは、LLM(Large Language Models)、ドメインエキスパート、バックエンドサービスのセット間のインタラクションを調整する。 我々の実証研究は、実際のイベントログに基づくケーススタディと、フレームワークのユーザビリティと有効性を評価するドメインエキスパートの関与を含む。
  論文  参考訳（メタデータ） (2025-10-08T15:59:11Z)
• Automatic Building Code Review: A Case Study [6.530899637501737]
  建設担当者は、プロジェクトのサイズと複雑さが増大するにつれて、労働集約的で、エラーを起こし、コストがかかる設計文書のレビューに直面します。 本研究では,BIMに基づくデータ抽出と自動検証を統合したエージェント駆動型フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-03T00:30:14Z)
• Exploratory Semantic Reliability Analysis of Wind Turbine Maintenance Logs using Large Language Models [0.0]
  本稿では、より複雑な推論タスクに現代大規模言語モデル(LLM)を活用する際のギャップについて論じる。 我々は,LLMを用いた探索的フレームワークを導入し,分類を超えて意味分析を行う。 以上の結果から,LSMは,テキスト情報や行動可能な専門家レベルの仮説を合成するためにラベル付けを超えて,強力な"信頼性共パイロット"として機能できることが示唆された。
  論文  参考訳（メタデータ） (2025-09-26T14:00:20Z)
• LEARN: Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application [54.984348122105516]
  Llm-driven knowlEdge Adaptive RecommeNdation (LEARN)フレームワークは、オープンワールドの知識と協調的な知識をシナジする。 オープンワールドの知識と協調的な知識を相乗化するLlm-driven knowlEdge Adaptive RecommeNdation (LEARN) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-07T04:00:30Z)
• Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
  我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。 提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。 多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
  論文  参考訳（メタデータ） (2024-01-28T08:56:49Z)

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。