論文の概要: A Hybrid Framework for Natural Language Querying of IFC Models with Relational and Graph Representations

• arxiv url: http://arxiv.org/abs/2605.13236v1
• Date: Wed, 13 May 2026 09:24:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.941095
• Title: A Hybrid Framework for Natural Language Querying of IFC Models with Relational and Graph Representations
• Title（参考訳）: リレーショナルおよびグラフ表現を用いたIFCモデルの自然言語クエリのためのハイブリッドフレームワーク
• Authors: Rabindra Lamsal, Sisi Zlatanova, Haowen Xu, Yafei Sun, Johnson Xuesong Shen,
• Abstract要約: IFCベースのBIMモデルと自然言語インタラクションのためのハイブリッドフレームワークであるifcLLMを紹介する。 オープンウェイトLSM(GPT OSS 120B)を用いて,再現性とデプロイメント指向のフレームワークを実装した。 その結果、補完表現と反復推論を組み合わせることで、IFCデータのよりアクセスしやすい自然言語クエリが可能になることがわかった。
• 参考スコア（独自算出の注目度）: 1.7964861233408138
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Building Information Modeling (BIM) is widely used in the Architecture, Engineering, and Construction (AEC) industry, but the complexity of Industry Foundation Classes (IFC) limits accessibility for non-expert users. To address this, we introduce IfcLLM, a hybrid framework for natural language interaction with IFC-based BIM models. It transforms IFC models into complementary representations: a relational representation for structured element properties and geometry, and a graph representation for topological relationships. These representations are integrated through iterative retry-and-refine LLM reasoning. We implement the framework using an open-weight LLM (GPT OSS 120B), supporting reproducible and deployment-oriented workflows. Evaluation on three IFC models with queries derived from 30 scenarios shows first-attempt accuracy of 93.3%-100%, with all failures recovered using a fallback LLM. The results show that combining complementary representations with iterative reasoning enables more accessible natural language querying of IFC data while supporting routine BIM analysis tasks.
• Abstract（参考訳）: ビルディング・インフォメーション・モデリング(BIM)は、アーキテクチャ、エンジニアリング、建設(AEC)業界で広く使われているが、IFC(Industrial Foundation Class)の複雑さは、非専門家のユーザに対してアクセシビリティを制限している。 本稿では,IFCベースのBIMモデルと自然言語インタラクションのためのハイブリッドフレームワークであるifcLLMを紹介する。 IFCモデルは、構造的要素の性質と幾何学のリレーショナル表現、位相的関係のグラフ表現など、補完的な表現に変換される。 これらの表現は反復的再試行とLLM推論を通じて統合される。 我々は、再現性とデプロイメント指向のワークフローをサポートするオープンウェイトLSM(GPT OSS 120B)を用いて、このフレームワークを実装した。 30のシナリオからクエリを抽出した3つのIFCモデルの評価では、フォールバック LLM を用いて全ての障害を復元し、最初の攻撃精度は93.3%-100%である。 その結果、補完表現と反復的推論を組み合わせることで、日常的なBIM分析タスクをサポートしながら、IFCデータのよりアクセスしやすい自然言語クエリが可能になることがわかった。

関連論文リスト

• On the Limitations of Large Language Models for Conceptual Database Modeling [0.0]
  本稿では,関係データベースの概念モデリングを支援するため,Large Language Models (LLMs) の利用について分析する。 このアプローチは、異なる言語モデルと迅速なエンジニアリング技術を組み合わせて、エンティティを識別する能力を評価する。
  論文  参考訳（メタデータ） (2026-05-12T11:35:59Z)
• SERE: Structural Example Retrieval for Enhancing LLMs in Event Causality Identification [50.174050426976514]
  事象因果同定(ECI)は、ある文脈におけるある一対の事象が因果関係を示すかどうかを決定するモデルを必要とする。 大規模言語モデル(LLM)は様々なNLPタスクに対して高い性能を示してきたが、因果推論のバイアスのため、ECIにおけるその有効性は制限されている。 LLMの少数ショット学習機能を活用した構造例検索フレームワークSEREを提案する。
  論文  参考訳（メタデータ） (2026-05-05T12:50:19Z)
• BIM Information Extraction Through LLM-based Adaptive Exploration [0.7829352305480287]
  本稿では,エージェントがBIMモデルから情報を抽出するコードを反復的に実行し,その構造を仮定せずに実行時に発見する適応探索手法を提案する。 この手法を,オープンソースのBIM質問応答ベンチマークであるifc-bench v2で評価した。 2つのLLM能力レベルと4つの拡張戦略にまたがる因子的アブレーションは、適応的な探索が全ての構成における静的クエリ生成を著しく上回っていることを示している。
  論文  参考訳（メタデータ） (2026-05-03T03:40:29Z)
• MCP4IFC: IFC-Based Building Design Using Large Language Models [10.715011902262617]
  MCP4IFCは、大規模言語モデル(LLM)が産業基盤クラス(IFC)データを操作できるようにする包括的なオープンソースフレームワークである。 我々のフレームワークはオープンソースとしてリリースされ、BIM駆動設計の研究を奨励し、AI支援モデリングの基礎を提供する。
  論文  参考訳（メタデータ） (2025-10-29T09:14:14Z)
• CoT Referring: Improving Referring Expression Tasks with Grounded Reasoning [67.18702329644526]
  CoT Referringは、構造化されたチェーン・オブ・シークレット・トレーニングデータ構造を通じて、モデル推論をモダリティにわたって強化する。 トレーニングデータを再構築して、新たな出力フォームを実行し、既存のデータセットに新たなアノテーションを提供します。 また、検出とセグメント化機能を統合MLLMフレームワークに統合し、新しい適応重み付き損失で学習して性能を最適化する。
  論文  参考訳（メタデータ） (2025-10-03T08:50:21Z)
• SAFT: Structure-Aware Fine-Tuning of LLMs for AMR-to-Text Generation [50.277959544420455]
  SAFTは、事前訓練された言語モデルにグラフトポロジーを注入する構造対応の微調整手法である。 変換されたAMRの磁気ラプラシアンから方向感応的な位置エンコーディングを計算する。 SAFTはAMR 3.0に新しい最先端を設定、ベースラインを3.5BLEU改善した。
  論文  参考訳（メタデータ） (2025-07-15T18:12:57Z)
• Large Language Models are Good Relational Learners [55.40941576497973]
  本稿では,グラフニューラルネットワーク(GNN)に基づくエンコーダを用いて,大規模言語モデル(LLM)のための構造化リレーショナルプロンプトを生成する新しいアーキテクチャであるRel-LLMを紹介する。 従来のテキストベースのシリアライズ手法とは異なり,本手法はデータベース固有の関係構造を保ちながら,LLMが複雑なエンティティ関係を処理・推論することを可能にする。
  論文  参考訳（メタデータ） (2025-06-06T04:07:55Z)
• UQE: A Query Engine for Unstructured Databases [71.49289088592842]
  構造化されていないデータ分析を可能にするために,大規模言語モデルの可能性を検討する。 本稿では,非構造化データ収集からの洞察を直接問合せ,抽出するUniversal Query Engine (UQE)を提案する。
  論文  参考訳（メタデータ） (2024-06-23T06:58:55Z)
• An ontology-aided, natural language-based approach for multi-constraint BIM model querying [0.0]
  本稿では,異なる制約を含む自然言語クエリ(NLQ)を,複雑なBIMモデルを問合せするためのコンピュータ可読コードに自動的にマッピングする,新しいオントロジー支援セマンティクスを提案する。 実世界の住宅ビルの設計チェックに関する事例研究は,建設業における提案手法の実践的価値を実証している。
  論文  参考訳（メタデータ） (2023-03-27T11:35:40Z)

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。