論文の概要: Chronological Knowledge Retrieval: A Retrieval-Augmented Generation Approach to Construction Project Documentation

• arxiv url: http://arxiv.org/abs/2604.14169v1
• Date: Wed, 25 Mar 2026 05:31:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.695254
• Title: Chronological Knowledge Retrieval: A Retrieval-Augmented Generation Approach to Construction Project Documentation
• Title（参考訳）: 時系列知識検索:建設計画文書化のための検索型生成手法
• Authors: Ioannis-Aris Kostis, Natalia Sanchiz, Steeve De Schryver, François Denis, Pierre Schaus,
• Abstract要約: 大規模な建設プロジェクトでは、意思決定の継続的な進化が広範な記録を生み出し、多くの場合、会議の数分で記録される。 決定は以前の決定を覆す可能性があるため、専門家はしばしば特定の選択の歴史を再構築する必要がある。 この課題に対処するためには,プロジェクトミーティングの全体に対して,会話によるアクセスを可能にする。 ベルギーの大手企業による完成工事プロジェクトから, 匿名化, 業界ソースによる会議時間データセットを用いて, アプローチを実証する。
• 参考スコア（独自算出の注目度）: 1.732244197587513
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In large-scale construction projects, the continuous evolution of decisions generates extensive records, most often captured in meeting minutes. Since decisions may override previous ones, professionals often need to reconstruct the history of specific choices. Retrieving such information manually from raw archives is both labor-intensive and error-prone. From a user perspective, we address this challenge by enabling conversational access to the whole set of project meeting minutes. Professionals can pose natural-language questions and receive answers that are both semantically relevant and explicitly time-annotated, allowing them to follow the chronology of decisions. From a technical perspective, our solution employs a Retrieval-Augmented Generation (RAG) framework that integrates semantic search with large language models to ensure accurate and context-aware responses. We demonstrate the approach using an anonymized, industry-sourced dataset of meeting minutes from a completed construction project by a large company in Belgium. The dataset is annotated and enriched with expert-defined queries to support systematic evaluation. Both the dataset and the open-source implementation are made available to the community to foster further research on conversational access to time-annotated project documentation.
• Abstract（参考訳）: 大規模な建設プロジェクトでは、意思決定の継続的な進化が広範な記録を生み出し、多くの場合、会議の数分で記録される。 決定は以前の決定を覆す可能性があるため、専門家はしばしば特定の選択の歴史を再構築する必要がある。 このような情報を生のアーカイブから手作業で取得することは、労働集約的かつエラーを起こしやすい。 ユーザの視点からは、プロジェクトミーティングの全体への会話アクセスを可能にすることで、この問題に対処する。 専門家は、自然言語の質問をポーズさせ、意味論的に関連があり、明示的にタイムアノテートされた回答を受け取ることができ、意思決定の時系列に従うことができる。 技術的観点から、我々のソリューションは、意味探索を大規模言語モデルと統合し、正確でコンテキスト対応の応答を確実にする、検索型拡張生成(RAG)フレームワークを採用している。 ベルギーの大手企業による完成工事プロジェクトから, 匿名化, 業界ソースによる会議時間データセットを用いて, アプローチを実証する。 データセットには、システム評価をサポートするために、専門家定義クエリが注釈付けされ、強化されている。 データセットとオープンソース実装の両方をコミュニティで利用可能にすることで、タイムアノテートされたプロジェクトドキュメントへの会話アクセスに関するさらなる研究を促進することができる。

関連論文リスト

• GISA: A Benchmark for General Information-Seeking Assistant [102.30831921333755]
  GISAは汎用情報検索アシスタントのベンチマークであり、373の人為的なクエリで構成されている。 深い推論と広範囲な情報集約を統合タスクに統合し、暗記に抵抗するために定期的に更新された回答を含むライブサブセットを含む。 主要なLCMと商用検索製品の実験では、最高のパフォーマンスモデルでさえ19.30%の正確なマッチスコアしか達成していないことが示されている。
  論文  参考訳（メタデータ） (2026-02-09T11:44:15Z)
• Geospatial Question Answering on Historical Maps Using Spatio-Temporal Knowledge Graphs and Large Language Models [4.25934967090365]
  1つのアプローチは質問応答(QA)であり、ユーザーは自然で直感的な方法で知識を取得できる。 歴史的地図データから構築した時間的知識グラフ(KG)と大規模言語モデルを統合することにより,GeoQAシステムを開発した。 過去の地図画像やインターネット検索結果などの付加的なデータソースを我々のフレームワークに組み込んで、GeoQAに余分なコンテキストを提供する。
  論文  参考訳（メタデータ） (2025-08-29T10:16:37Z)
• Evaluating List Construction and Temporal Understanding capabilities of Large Language Models [54.39278049092508]
  大規模言語モデル(LLM)は、特に時間的理解タスクにおける幻覚や誤りの影響を受けやすい。 本稿では,時系列に適合するリスト形式で構造化された回答を必要とするTLQA(Time Referenceed List based Question Answering)ベンチマークを提案する。 閉書およびオープンドメイン設定におけるTLQA上の最先端生成モデルの時間的理解とリスト構築能力について検討する。
  論文  参考訳（メタデータ） (2025-06-26T21:40:58Z)
• LLM Agents for Interactive Exploration of Historical Cadastre Data: Framework and Application to Venice [2.03659124799413]
  カダストラルデータは、都市の歴史的組織に関する重要な情報を明らかにするが、多種多様なフォーマットや人間のアノテーションのために、しばしば標準化されていない。 我々は1740年から1808年までの臨界期におけるヴェネツィアの都市史を調査する。 この時代の複雑なカダストラルデータは、その体積と均一な構造が欠如していることが特徴であり、我々のアプローチが順応的にナビゲートする固有の課題を示している。
  論文  参考訳（メタデータ） (2025-05-22T08:45:15Z)
• Unfolding the Headline: Iterative Self-Questioning for News Retrieval and Timeline Summarization [93.56166917491487]
  本稿では,オープンドメインニュースタイムライン SummarizatiOn に対するCHRONOS-Causal Headline Retrieval を提案する。 実験の結果,Chronosはオープンドメインのタイムラインの要約に長けているだけでなく,クローズドドメインアプリケーション用に設計された既存の最先端システムの性能に匹敵していることがわかった。
  論文  参考訳（メタデータ） (2025-01-01T16:28:21Z)
• Automatic Question-Answer Generation for Long-Tail Knowledge [65.11554185687258]
  テールエンティティのための特別なQAデータセットを生成するための自動アプローチを提案する。 我々は,新たに生成された長尾QAデータセットに事前学習したLLMを用いて広範な実験を行う。
  論文  参考訳（メタデータ） (2024-03-03T03:06:31Z)
• ArchivalQA: A Large-scale Benchmark Dataset for Open Domain Question Answering over Archival News Collections [20.07130742712862]
  本稿では,1067,056組の質問応答データセットArchivealQAを提案する。 課題の難易度と時間表現の包含に基づいて,データセットの4つの部分を作成する。
  論文  参考訳（メタデータ） (2021-09-08T05:21:51Z)
• Text Summarization with Latent Queries [60.468323530248945]
  本稿では,LaQSumについて紹介する。LaQSumは,既存の問合せ形式と抽象的な要約のための文書から遅延クエリを学習する,最初の統一テキスト要約システムである。 本システムでは, 潜伏クエリモデルと条件付き言語モデルとを協調的に最適化し, ユーザがテスト時に任意のタイプのクエリをプラグイン・アンド・プレイできるようにする。 本システムでは,クエリタイプ,文書設定,ターゲットドメインの異なる要約ベンチマークにおいて,強力な比較システムの性能を強く向上させる。
  論文  参考訳（メタデータ） (2021-05-31T21:14:58Z)

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。