論文の概要: Conversational Retrieval and On-the-Fly Knowledge Modeling of Historical Penitentiary Repression Records

• arxiv url: http://arxiv.org/abs/2607.08459v1
• Date: Thu, 09 Jul 2026 13:18:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.548461
• Title: Conversational Retrieval and On-the-Fly Knowledge Modeling of Historical Penitentiary Repression Records
• Title（参考訳）: 歴史的犯罪記録の会話検索とオンザフライ知識モデリング
• Abstract要約: 本稿では,歴史的デジタル図書館の管理を目的とした文書解析システムを提案する。 このシステムは、専門家考古学者や文書検索プロセスに由来する事実を記憶する機能を備えている。
• 参考スコア（独自算出の注目度）: 1.4804887845421213
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent developments in digital libraries increasingly favor conversational and natural language access to information through Retrieval-Augmented Generation (RAG). Although these approaches are effective for extractive tasks grounded in individual records, they remain limited in their ability to interpret document collections holistically and to incorporate expert knowledge dynamically. In this article, we present a document analysis system designed for the management of historical digital libraries that supports on-the-fly knowledge modeling. The system is equipped with the capability to store facts produced either by expert archivists or derived from document retrieval processes within a graph-based structure. Through continuous professional interaction, the system can retrieve information not only from primary sources such as documents, but also from previously modeled knowledge, with the graph-based index acting as a memory for the language model to access. This enables increasingly complex queries involving long-term dependencies across documents, link discovery, and the integration of expert knowledge that may not be explicitly present in the original sources. As a result, the proposed approach facilitates the generation of richer and more comprehensive information.
• Abstract（参考訳）: 近年のデジタル図書館の発展は、レトリーバル拡張世代(RAG)を通じて、会話や自然言語による情報へのアクセスを好んでいる。 これらの手法は個々の記録に根ざした抽出作業に有効であるが、文書コレクションを全体観的に解釈し、専門家の知識を動的に取り入れる能力は限られている。 本稿では,オンザフライ知識モデリングを支援する歴史デジタルライブラリの管理を目的とした文書解析システムを提案する。 このシステムは、専門家考古学者や文書検索プロセスから得られた事実をグラフベースの構造に格納する機能を備えている。 連続したプロフェッショナルインタラクションを通じて、システムは文書などの一次情報源だけでなく、以前にモデル化された知識からも情報を取得することができ、グラフベースのインデックスは言語モデルがアクセスするためのメモリとして機能する。 これにより、ドキュメント間の長期依存関係、リンク発見、元のソースに明示的に存在しない専門家の知識の統合を含む、ますます複雑なクエリが可能になる。 その結果,提案手法はよりリッチで包括的な情報の生成を促進する。

関連論文リスト

• Robust Interpretation of Historical Documents in Knowledge Graphs Through Query Inference and Execution [5.02509168950652]
  本稿では,歴史的データへのより正確かつ検証可能なアクセスを提供するエージェント検索システムを提案する。 我々は,OCR後訂正のための単語スポッティング技術と知識グラフ表現を統合するセミシンボリックフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-27T14:11:20Z)
• Document Parsing Unveiled: Techniques, Challenges, and Prospects for Structured Information Extraction [24.62245834301022]
  文書解析は、構造化されていない半構造化された文書を構造化された機械可読データに変換するのに不可欠である。 本調査では,文書解析の現状を概観する。 モジュラーパイプラインシステムから、大規模なビジョン言語モデルによって駆動されるエンドツーエンドモデルまで、主要な方法論をカバーする。
  論文  参考訳（メタデータ） (2024-10-28T16:11:35Z)
• DocKD: Knowledge Distillation from LLMs for Open-World Document Understanding Models [66.91204604417912]
  本研究の目的は,LLMの知識を蒸留することにより,小型VDUモデルの一般化性を高めることである。 我々は、外部文書知識を統合することでデータ生成プロセスを強化する新しいフレームワーク(DocKD)を提案する。 実験の結果,DocKDは高品質な文書アノテーションを生成し,直接知識蒸留手法を超越していることがわかった。
  論文  参考訳（メタデータ） (2024-10-04T00:53:32Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• Continual Learning for Generative Retrieval over Dynamic Corpora [115.79012933205756]
  生成検索(GR)はパラメトリックモデルに基づいて関連文書の識別子(ドシデクス)を直接予測する。 クエリに応答する能力を保ちながら、新しいドキュメントをインクリメンタルにインデックスする能力は、GRモデルを適用する上で不可欠である。 我々は,CLEVERモデルのための新しい連続学習モデルを提案し,GRのための連続学習に2つの大きな貢献をした。
  論文  参考訳（メタデータ） (2023-08-29T01:46:06Z)
• Expository Text Generation: Imitate, Retrieve, Paraphrase [26.43857184008374]
  本稿では,トピックに対して,正確かつスタイリスティックに一貫性のあるテキストを自動的に生成する,例示テキスト生成のタスクを提案する。 我々は、検索強化モデルの限界を克服し、コンテンツ計画、事実検索、言い換えを反復的に実行するIRPを開発する。 我々は、IRPが読者に正確に通知する実例と組織的な説明文を生成することを示す。
  論文  参考訳（メタデータ） (2023-05-05T04:26:29Z)
• Coarse-to-Fine Knowledge Selection for Document Grounded Dialogs [11.63334863772068]
  マルチドキュメント基盤対話システム(DGDS)は,文書の集合から支援された知識を見出すことで,ユーザの要求に答える。 本稿では,粒度の粗い知識検索と粒度の細かい知識抽出の両方を統一されたフレームワークで最適化することを目的としたRe3Gを提案する。
  論文  参考訳（メタデータ） (2023-02-23T08:28:29Z)
• Joint Reasoning on Hybrid-knowledge sources for Task-Oriented Dialog [12.081212540168055]
  本稿では,SeKnow が作成した MutliWOZ ベースのデータセットの修正版について述べる。 事前訓練された言語モデルを利用する最近の作業に合わせて、知識ソースをクエリするタスクのプロンプトを使用してBARTベースのモデルを微調整する。 我々は,本モデルが知識モダリティ(情報源)の摂動に頑健であり,構造化知識と非構造化知識とを融合して応答を生成できることを実証した。
  論文  参考訳（メタデータ） (2022-10-13T18:49:59Z)
• Generate rather than Retrieve: Large Language Models are Strong Context Generators [74.87021992611672]
  本稿では,文書検索を大規模言語モデル生成器に置き換えることで,知識集約型タスクを解く新しい視点を提案する。 我々は,提案手法をgenRead (genRead) と呼び,まず大きな言語モデルに対して,与えられた質問に基づいて文脈文書を生成し,次に生成された文書を読み出して最終回答を生成する。
  論文  参考訳（メタデータ） (2022-09-21T01:30:59Z)
• Layout-Aware Information Extraction for Document-Grounded Dialogue: Dataset, Method and Demonstration [75.47708732473586]
  視覚的にリッチな文書から構造的知識と意味的知識の両方を抽出するためのレイアウト対応文書レベル情報抽出データセット(LIE)を提案する。 LIEには製品および公式文書の4,061ページから3つの抽出タスクの62kアノテーションが含まれている。 実験の結果、レイアウトはVRDベースの抽出に不可欠であることが示され、システムデモでは、抽出された知識が、ユーザが関心を持っている答えを見つけるのに役立つことも確認されている。
  論文  参考訳（メタデータ） (2022-07-14T07:59:45Z)
• Embedding Knowledge for Document Summarization: A Survey [66.76415502727802]
  従来の研究は、知識を組み込んだ文書要約器が優れた消化器を生成するのに優れていたことを証明した。 本稿では,文書要約ビューに基づいて,知識と知識の埋め込みを再カプセル化する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-24T04:36:07Z)

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。