論文の概要: DreamKG: A KG-Augmented Conversational System for People Experiencing Homelessness

• arxiv url: http://arxiv.org/abs/2604.11703v1
• Date: Mon, 13 Apr 2026 16:38:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.688774
• Title: DreamKG: A KG-Augmented Conversational System for People Experiencing Homelessness
• Title（参考訳）: DreamKG:ホームレスを体験する人のためのKG対応会話システム
• Authors: Javad M Alizadeh, Genhui Zheng, Chiu C Tan, Yuzhou Chen, Omar Martinez, Philip McCallion, Ying Ding, Chenguang Yang, AnneMarie Tomosky, Huanmei Wu,
• Abstract要約: ホームレスを経験する人々は、コミュニティサービスに関するタイムリーで正確な情報にアクセスするための大きな障壁に直面しています。 DreamKGは知識グラフを付加した会話システムを通じてこの問題に対処する。 予備評価では、関連するクエリでGoogle Search AIよりも59%、無関係なクエリでは84%の優位性を示している。
• 参考スコア（独自算出の注目度）: 25.758279348968625
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: People experiencing homelessness (PEH) face substantial barriers to accessing timely, accurate information about community services. DreamKG addresses this through a knowledge graph-augmented conversational system that grounds responses in verified, up-to-date data about Philadelphia organizations, services, locations, and hours. Unlike standard large language models (LLMs) prone to hallucinations, DreamKG combines Neo4j knowledge graphs with structured query understanding to handle location-aware and time-sensitive queries reliably. The system performs spatial reasoning for distance-based recommendations and temporal filtering for operating hours. Preliminary evaluation shows 59% superiority over Google Search AI on relevant queries and 84% rejection of irrelevant queries. This demonstration highlights the potential of hybrid architectures that combines LLM flexibility with knowledge graph reliability to improve service accessibility for vulnerable populations effectively.
• Abstract（参考訳）: ホームレス(PEH)を経験する人々は、コミュニティサービスに関するタイムリーで正確な情報にアクセスするための大きな障壁に直面しています。 DreamKGは、フィラデルフィアの組織、サービス、場所、時間に関する最新のデータに基づいて、知識グラフを付加した会話システムを通じてこの問題に対処する。 幻覚に苦しむ標準の大規模言語モデル(LLM)とは異なり、DreamKGはNeo4j知識グラフと構造化クエリ理解を組み合わせることで、位置認識および時間依存クエリを確実に処理する。 本システムは、遠隔地からの推薦のための空間的推論と、運用時間に対する時間的フィルタリングを行う。 予備評価では、関連するクエリでGoogle Search AIよりも59%、無関係なクエリでは84%の優位性を示している。 このデモでは、LLMの柔軟性と知識グラフの信頼性を組み合わせて、脆弱な人口に対するサービスアクセシビリティを効果的に向上するハイブリッドアーキテクチャの可能性を強調している。

関連論文リスト

• AskNearby: An LLM-Based Application for Neighborhood Information Retrieval and Personalized Cognitive-Map Recommendations [17.591012444861786]
  15分の街」は、徒歩や自転車で日々の需要に応えられる地区を構想している。このビジョンを実現するには、物理的な近接だけでなく、近隣の場所、サービス、イベントに関する情報への効率よく信頼性の高いアクセスが必要である。 我々はこのギャップをLLIA(Local Life Information Accessibility)問題として概念化し、AIによるコミュニティアプリケーションであるAskNearbyを紹介した。
  論文  参考訳（メタデータ） (2025-12-02T07:47:31Z)
• AI Knowledge Assist: An Automated Approach for the Creation of Knowledge Bases for Conversational AI Agents [11.61613387404681]
  企業固有の知識基盤は、コンタクトセンターで会話型AIシステムを統合する上で、大きな障壁となる。 質問応答(QA)ペアの形式で知識を抽出するシステムであるAI Knowledge Assistを導入し,知識ベースを自動的に構築する。
  論文  参考訳（メタデータ） (2025-10-09T12:34:31Z)
• Diagnosing and Addressing Pitfalls in KG-RAG Datasets: Toward More Reliable Benchmarking [63.84117489519164]
  知識グラフ質問 回答システムは、複雑なマルチホップ推論を評価するために高品質なベンチマークに依存している。 広く使われているにもかかわらず、WebQSPやCWQのような一般的なデータセットは、重要な品質問題に悩まされている。 我々はこれらの落とし穴を体系的に解決するLLM-in-the-loopフレームワークであるKGQAGenを紹介する。 本研究は,KGQA評価を推し進めるスケーラブルなフレームワークとして,より厳密なベンチマーク構築とKGQAGenの位置づけを提唱する。
  論文  参考訳（メタデータ） (2025-05-29T14:44:52Z)
• Mitigating LLM Hallucinations with Knowledge Graphs: A Case Study [2.40997250653065]
  LinkQは、LLMに質問応答(QA)中の地文データに対する知識グラフをクエリさせ、幻覚と戦うために開発されたオープンソースの自然言語インタフェースである。 我々は、よく知られたKGQAデータセットを用いてLinkQの定量的評価を行い、システムがGPT-4より優れているが、まだ特定の質問カテゴリに苦慮していることを示す。 実際のサイバーセキュリティKGを使用して、2つのドメインの専門家とLinkQの質的研究を議論し、これらの専門家のフィードバック、提案、認識された制限、LinkQのようなシステムの将来的な機会について概説する。
  論文  参考訳（メタデータ） (2025-04-16T18:40:01Z)
• Question-Aware Knowledge Graph Prompting for Enhancing Large Language Models [51.47994645529258]
  本稿では,問合せをGNNアグリゲーションに組み込んでKG関連性を動的に評価するQAP(QA-Aware Knowledge Graph Prompting)を提案する。 実験の結果、QAPは複数のデータセットで最先端の手法よりも優れており、その有効性を強調している。
  論文  参考訳（メタデータ） (2025-03-30T17:09:11Z)
• Transit Pulse: Utilizing Social Media as a Source for Customer Feedback and Information Extraction with Large Language Model [12.6020349733674]
  本稿では,交通関連情報を抽出し,分析するための新しい手法を提案する。 提案手法では,Large Language Models (LLM) ,特にLlama 3を合理化解析に用いている。 以上の結果から,公共交通機関におけるソーシャルメディアデータ分析を変革するLLMの可能性が示された。
  論文  参考訳（メタデータ） (2024-10-19T07:08:40Z)
• LinkQ: An LLM-Assisted Visual Interface for Knowledge Graph Question-Answering [1.5238808518078564]
  LinkQは,大規模言語モデル(LLM)を活用して,自然言語質問応答による知識グラフ(KG)クエリ構築を容易にするシステムである。 LLMはユーザーの質問を解釈し、その質問を体系的に整形したクエリに変換する。 LinkQは、ユーザの質問が真実のKGデータからのみ回答されることを保証することで、LCMの幻覚的なアウトプットに対してガードする。
  論文  参考訳（メタデータ） (2024-06-07T15:28:31Z)
• Chain-of-Note: Enhancing Robustness in Retrieval-Augmented Language Models [54.55088169443828]
  CoN(Chain-of-Noting)は、ノイズや無関係な文書、未知のシナリオの処理において、ALMの堅牢性を改善することを目的とした、新しいアプローチである。 CoNは、完全にノイズの多い検索された文書が与えられるEMスコアの+7.9と、トレーニング済みの知識範囲外にあるリアルタイム質問に対する拒絶率+10.5の平均的な改善を実現している。
  論文  参考訳（メタデータ） (2023-11-15T18:54:53Z)
• RHO ($\rho$): Reducing Hallucination in Open-domain Dialogues with Knowledge Grounding [57.46495388734495]
  本稿では、知識グラフ(KG)からリンクされたエンティティと関係述語を表現したRHO(rho$)を提案する。 本稿では,(1)テキスト埋め込みと対応するKG埋め込みを組み合わせるための局所知識基盤,(2)注目機構を介してRHOにマルチホップ推論能力を持たせるためのグローバル知識基盤を提案する。
  論文  参考訳（メタデータ） (2022-12-03T10:36:34Z)

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。