論文の概要: Transforming OPACs into Intelligent Discovery Systems: An AI-Powered, Knowledge Graph-Driven Smart OPAC for Digital Libraries
- arxiv url: http://arxiv.org/abs/2604.01262v1
- Date: Wed, 01 Apr 2026 12:48:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-03 14:21:09.65731
- Title: Transforming OPACs into Intelligent Discovery Systems: An AI-Powered, Knowledge Graph-Driven Smart OPAC for Digital Libraries
- Title（参考訳）: OPACをインテリジェントディスカバリシステムに変換する: デジタルライブラリのためのAI駆動の知識グラフ駆動型スマートOPAC
- Authors: M. S. Rajeevan, B. Mini Devi,
- Abstract要約: 従来のオンラインアクセスカタログ(OPAC)は、学術文献の急速な成長により効果が低下している。
本稿では,従来のOPACを人工知能と知識グラフ技術を用いた知的発見システムに変換するスマートOPACフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditional Online Public Access Catalogues (OPACs) are becoming less effective due to the rapid growth of scholarly literature. Conventional search methods, such as keyword indexing and Boolean queries, often fail to support efficient knowledge discovery. This paper proposes a Smart OPAC framework that transforms traditional OPACs into intelligent discovery systems using artificial intelligence and knowledge graph techniques. The framework enables semantic search, thematic filtering, and knowledge graph-based visualization to enhance user interaction and exploration. It integrates multiple open scholarly data sources and applies semantic embeddings to improve relevance and contextual understanding. The system supports exploratory search, semantic navigation, and refined result filtering based on user-defined themes. Quantitative evaluation demonstrates improvements in retrieval efficiency, relevance, and reduction of information overload. The proposed approach offers practical implications for modernizing digital library services and supports next-generation research workflows. Future work includes user-centric evaluation, personalization, and dynamic knowledge graph updates.
- Abstract（参考訳）: 従来のオンラインアクセスカタログ(OPAC)は、学術文献の急速な成長により効果が低下している。
キーワードインデックスやブールクエリのような従来の検索手法は、しばしば効率的な知識発見をサポートしない。
本稿では,従来のOPACを人工知能と知識グラフ技術を用いた知的発見システムに変換するスマートOPACフレームワークを提案する。
このフレームワークは、セマンティック検索、テーマフィルタリング、知識グラフに基づく可視化を可能にし、ユーザのインタラクションと探索を強化する。
複数のオープンな学術データソースを統合し、意味的な埋め込みを適用して、関連性や文脈的理解を改善する。
本システムは,探索探索,セマンティックナビゲーション,ユーザ定義テーマに基づく改良された結果フィルタリングをサポートする。
定量的評価は, 検索効率の向上, 関連性, 情報過負荷の低減を示す。
提案手法は,デジタルライブラリサービスを近代化し,次世代の研究ワークフローをサポートするための実践的意味を提供する。
今後の作業には、ユーザ中心の評価、パーソナライゼーション、動的ナレッジグラフ更新が含まれる。
関連論文リスト
- 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) - Enhancing Information Retrieval in Digital Libraries through Unit Harmonisation in Scholarly Knowledge Graphs [3.2034139843532894]
本稿では,学術知識グラフにおける計測データの比較とフィルタリングのための,新しい顔付き検索エンファン構造化コンテンツを提案する。
我々の顔付き検索システムを利用することで、ユーザは科学論文の内容を検索するだけでなく、異種データの比較やフィルタリングを行うことができる。
論文 参考訳（メタデータ） (2025-12-06T10:58:17Z) - From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。
静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。
我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
論文 参考訳（メタデータ） (2025-06-23T17:27:19Z) - Toward Agentic AI: Generative Information Retrieval Inspired Intelligent Communications and Networking [87.82985288731489]
Agentic AIは、インテリジェントなコミュニケーションとネットワークのための重要なパラダイムとして登場した。
本稿では,通信システムにおけるエージェントAIにおける知識獲得,処理,検索の役割を強調する。
論文 参考訳（メタデータ） (2025-02-24T06:02:25Z) - 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) - A Retrieval-Augmented Generation Framework for Academic Literature Navigation in Data Science [2.5398014196797614]
本稿では、データサイエンティストが正確な文脈に関連のある学術リソースにアクセスするのを支援するために設計された人工知能(AI)ベースの拡張検索・拡張生成アプリケーションを提案する。
このAIを利用したアプリケーションは、情報抽出のための書誌データ生成(GROBID)技術を含む高度な技術を統合している。
Retrieval-Augmented Generation Assessment System (RAGAS) フレームワークを用いた総合評価では,重要な指標の大幅な改善が示されている。
論文 参考訳（メタデータ） (2024-12-19T21:14:54Z) - AceMap: Knowledge Discovery through Academic Graph [90.12694363549483]
AceMapは学術グラフによる知識発見のために設計された学術システムである。
本稿では,AceMapデータベースを構築するための高度なデータベース構築手法を提案する。
AceMapは、学術的アイデアの進化をトレースするなど、高度な分析機能を提供する。
論文 参考訳（メタデータ） (2024-03-05T01:17:56Z) - DiscoverPath: A Knowledge Refinement and Retrieval System for
Interdisciplinarity on Biomedical Research [96.10765714077208]
従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。
本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。
DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
論文 参考訳（メタデータ） (2023-09-04T20:52:33Z) - Web of Scholars: A Scholar Knowledge Graph [38.49685673193518]
Web of Scholarsは、最先端のマイニング技術を統合し、コンピュータ科学の分野の研究者の背後にある複雑なネットワークを探索、マイニング、可視化する。
Web of Scholarsは知識グラフを活用しており、より多くの検索が存在する場合、より多くの知識にアクセスできるようになる。
論文 参考訳（メタデータ） (2022-02-23T05:10:19Z)
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。