論文の概要: Competency Questions as Executable Plans: a Controlled RAG Architecture for Cultural Heritage Storytelling
- arxiv url: http://arxiv.org/abs/2604.02545v1
- Date: Thu, 02 Apr 2026 21:54:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 17:20:24.221889
- Title: Competency Questions as Executable Plans: a Controlled RAG Architecture for Cultural Heritage Storytelling
- Title（参考訳）: 実行可能な計画としてのコンピテンシー問題:文化遺産ストーリーテリングのための制御されたRAGアーキテクチャ
- Authors: Naga Sowjanya Barla, Jacopo de Berardinis,
- Abstract要約: 本稿では,ナレッジグラフに基づく新しいニューロシンボリックアーキテクチャを提案する。
我々のアプローチの目新しいところは、実行時の物語プランに有能な質問(CQ)を組み直すことである。
音楽メタオントロジーと1985年のコンサートデータを一致させたマルチモーダルデータセットであるLive Aid KGを用いて,このアーキテクチャを検証した。
- 参考スコア（独自算出の注目度）: 0.12891210250935145
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The preservation of intangible cultural heritage is a critical challenge as collective memory fades over time. While Large Language Models (LLMs) offer a promising avenue for generating engaging narratives, their propensity for factual inaccuracies or "hallucinations" makes them unreliable for heritage applications where veracity is a central requirement. To address this, we propose a novel neuro-symbolic architecture grounded in Knowledge Graphs (KGs) that establishes a transparent "plan-retrieve-generate" workflow for story generation. A key novelty of our approach is the repurposing of competency questions (CQs) - traditionally design-time validation artifacts - into run-time executable narrative plans. This approach bridges the gap between high-level user personas and atomic knowledge retrieval, ensuring that generation is evidence-closed and fully auditable. We validate this architecture using a new resource: the Live Aid KG, a multimodal dataset aligning 1985 concert data with the Music Meta Ontology and linking to external multimedia assets. We present a systematic comparative evaluation of three distinct Retrieval-Augmented Generation (RAG) strategies over this graph: a purely symbolic KG-RAG, a text-enriched Hybrid-RAG, and a structure-aware Graph-RAG. Our experiments reveal a quantifiable trade-off between the factual precision of symbolic retrieval, the contextual richness of hybrid methods, and the narrative coherence of graph-based traversal. Our findings offer actionable insights for designing personalised and controllable storytelling systems.
- Abstract（参考訳）: 無形文化財の保存は、時間とともに集合記憶が消えていくため、重要な課題である。
大規模言語モデル(LLM)は、魅力的な物語を生成するための有望な道を提供するが、その事実的不正確さや「幻覚」に対する適合性は、真正性が中心的な要件である遺産アプリケーションには信頼できない。
そこで本稿では,知識グラフ(KG)に基づく新たなニューロシンボリックアーキテクチャを提案する。
このアプローチの目新しいところは、従来の設計時の検証アーティファクトである有能な質問(CQ)を、実行時の物語プランに置き換えることです。
このアプローチは、ハイレベルなユーザペルソナとアトミックな知識検索のギャップを埋め、生成がエビデンスに閉鎖され、完全に監査可能であることを保証します。
これは1985年のコンサートデータをMusic Meta Ontologyと一致させ、外部マルチメディア資産にリンクするマルチモーダルデータセットである。
本稿では、このグラフ上の3つの異なる検索型拡張生成(RAG)戦略の体系的比較評価を行う。
実験の結果,記号検索の事実的精度,ハイブリッド手法の文脈的豊かさ,グラフに基づくトラバースの物語的コヒーレンスとの間には,定量的なトレードオフが存在することがわかった。
本研究は、個人化・制御可能なストーリーテリングシステムを設計するための実用的な洞察を提供する。
関連論文リスト
- VimRAG: Navigating Massive Visual Context in Retrieval-Augmented Generation via Multimodal Memory Graph [42.348770377488094]
VimRAGは、テキスト、画像、ビデオにまたがるマルチモーダル検索拡張推論に適したフレームワークである。
軌道レベルの報酬から段階的妥当性を分離するグラフガイド型ポリシー最適化手法を提案する。
実験により、VimRAGは様々なマルチモーダルRAGベンチマークにおける最先端のパフォーマンスを一貫して達成していることが示された。
論文 参考訳（メタデータ） (2026-02-13T09:05:09Z) - Disco-RAG: Discourse-Aware Retrieval-Augmented Generation [81.53888908988756]
生成プロセスに談話信号を注入する談話認識フレームワークであるディスコRAGを提案する。
提案手法は,チャンク内談話木を構築し,局所階層を捕捉し,クロスパスコヒーレンスをモデル化するためのチャンク間修辞グラフを構築する。
質問応答と長期文書要約ベンチマークの実験から,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2026-01-07T20:32:50Z) - Cognitively-Inspired Episodic Memory Architectures for Accurate and Efficient Character AI [1.0742675209112622]
大規模な言語モデルは、対話システムに歴史的な文字を具現化することを約束するが、既存のアプローチは重要なトレードオフに直面している。
本稿では、オフラインデータ拡張と、構造化エピソードメモリからの効率的な並列検索により、この緊張を解消するアーキテクチャを提案する。
本システムでは,2段階検索で0.52秒の即時生成を実現し,生涯データを1,774個の濃厚な初対人記憶に変換する。
論文 参考訳（メタデータ） (2025-11-01T02:26:16Z) - Enrich-on-Graph: Query-Graph Alignment for Complex Reasoning with LLM Enriching [61.824094419641575]
大言語モデル(LLM)は知識グラフ質問応答(KGQA)のような知識集約的なシナリオにおける幻覚と事実的誤りに苦しむ
これは、構造化知識グラフ(KG)と非構造化クエリのセマンティックギャップによるもので、その焦点や構造に固有の違いが原因である。
既存の手法は通常、バニラKGの資源集約的で非スケーリング可能な推論を用いるが、このギャップを見落としている。
我々は、LLMの事前知識を活用してKGを充実させる柔軟なフレームワークEnrich-on-Graph(EoG)を提案し、グラフとクエリ間のセマンティックギャップを埋める。
論文 参考訳（メタデータ） (2025-09-25T06:48:52Z) - Towards Self-cognitive Exploration: Metacognitive Knowledge Graph Retrieval Augmented Generation [11.752268960775075]
知識グラフに基づく検索言語生成(KG-RAG)は,大規模言語モデルの推論能力を著しく向上させる。
既存のKG-RAGフレームワークはオープンループシステムとして機能し、認知障害に悩まされている。
本稿ではメタ認知的知識グラフ検索拡張生成(MetaKGRAG)を提案する。
論文 参考訳（メタデータ） (2025-08-13T03:35:32Z) - PersonalAI: A Systematic Comparison of Knowledge Graph Storage and Retrieval Approaches for Personalized LLM agents [15.524189150821147]
大規模言語モデル (LLM) とRetrieval-Augmented Generation (RAG) の組み合わせは、複雑な長期的相互作用においてスケールできない。
LLM自体によって自動的に構築・更新される知識グラフに基づくフレキシブルな外部メモリフレームワークを提案する。
AriGraphアーキテクチャに基づいて、標準エッジと2種類のハイパーエッジの両方をサポートする新しいハイブリッドグラフ設計を導入する。
本稿では,TriviaQA,HotpotQA,DiaASQ-demonstratingの3つのベンチマークを用いて,メモリと検索の異なる構成でタスクに応じて最適な性能が得られることを示す。
論文 参考訳（メタデータ） (2025-06-20T13:52:15Z) - Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。
次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。
ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
論文 参考訳（メタデータ） (2025-06-06T10:07:21Z) - DO-RAG: A Domain-Specific QA Framework Using Knowledge Graph-Enhanced Retrieval-Augmented Generation [4.113142669523488]
ドメイン固有のQAシステムは、生成頻度を必要とするが、構造化専門家の知識に基づく高い事実精度を必要とする。
本稿では,マルチレベル知識グラフ構築と意味ベクトル検索を統合した,スケーラブルでカスタマイズ可能なハイブリッドQAフレームワークであるDO-RAGを提案する。
論文 参考訳（メタデータ） (2025-05-17T06:40:17Z) - Ontology-grounded Automatic Knowledge Graph Construction by LLM under Wikidata schema [60.42231674887294]
本稿では,Large Language Models (LLMs) を用いた知識グラフ構築のためのオントロジー的アプローチを提案する。
我々は、一貫性と解釈可能性を確保するために、抽出された関係に基づいて、著者によるオントロジーによるKGの基底生成を行う。
我々の研究は、人間の介入を最小限に抑えたスケーラブルなKG建設パイプラインの実現に向けて有望な方向を示し、高品質で人間に解釈可能なKGを生み出す。
論文 参考訳（メタデータ） (2024-12-30T13:36:05Z)
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。