論文の概要: HERMES: a multi-agent framework for structured knowledge extraction from ultra-long documents in geoscience
- arxiv url: http://arxiv.org/abs/2608.14055v1
- Date: Fri, 14 Aug 2026 07:59:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.311965
- Title: HERMES: a multi-agent framework for structured knowledge extraction from ultra-long documents in geoscience
- Title（参考訳）: 地質学における超長期文書からの構造化知識抽出のための多エージェントフレームワークHERMES
- Abstract要約: HERMESは、科学文書から構造化データを抽出するスケーラブルなマルチエージェントフレームワークである。
統一されたドキュメントレベルの抽出プロセス内に、ドメイン制約、検証ルール、エビデンストレースを統合する。
このシステムは32,277個の化石と451,878個の属性からなる構造化データベースを作成し、https://treatise.geolex.orgで公開した。
- 参考スコア（独自算出の注目度）: 41.77130029890288
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Authoritative scientific knowledge in geoscience remains largely trapped in legacy monographs and historical literature, where unstructured text and complex layouts hinder computational access. We introduce HERMES, a scalable multi-agent framework that extracts structured data from ultra-long scientific documents. Using a coordinating large language model, HERMES integrates domain constraints, validation rules and evidence tracing within a unified document-level extraction process that incorporates parsed text, tables, figures and captions. Applied to the 55-volume Treatise on Invertebrate Paleontology, the system produced a structured database of 32,277 fossil taxonomic entities and 451,878 attributes, released online at https://treatise.geolex.org. Extraction performance remained stable across fossil groups (average F1 scores of approximately 0.90 for entities and 0.91 for attributes), improving per-volume efficiency approximately sixfold relative to the tested fully manual baseline. Evaluation in palaeomagnetism and geochemistry, conducted without additional model training, demonstrated transfer across distinct geoscience domains. This work provides a practical pathway to transform historical scientific literature into FAIR-oriented structured data, offering a sustainable infrastructure for data-intensive disciplines and large-scale knowledge integration.
- Abstract（参考訳）: 地質学における権威的な科学知識は、歴史的モノグラフや歴史文献にほとんど埋もれており、未構造化のテキストや複雑なレイアウトが計算アクセスを妨げる。
超長期の科学文書から構造化データを抽出するスケーラブルなマルチエージェントフレームワークであるHERMESを紹介する。
大規模な言語モデルをコーディネートすることで、HERMESは、解析されたテキスト、表、数字、キャプションを含む統一された文書レベルの抽出プロセスに、ドメイン制約、検証ルール、エビデンス追跡を統合する。
55巻の無脊椎動物古生物学論文に応用されたこのシステムは、32,277の化石分類学的実体と451,878の属性からなる構造化データベースを作成し、https://treatise.geolex.orgで公開した。
抽出性能は化石群全体にわたって安定し(平均F1スコアはエンティティが約0.90、属性が0.91)、試験された完全手動ベースラインの約6倍に向上した。
追加のモデルトレーニングなしで行われたパレオマグネティズムと地球化学の評価は、異なる地球科学領域間での移動を実証した。
この研究は、歴史科学文献をFAIR指向の構造化データに変換するための実践的な経路を提供し、データ集約的な規律と大規模知識統合のための持続可能なインフラを提供する。
関連論文リスト
- Compass: Navigating Global Marine Lead Data Integration through Expert-Guided LLM Agent [55.77954024801206]
海洋鉛(Pb)とその同位体は海洋循環と人為的汚染にとって重要なトレーサーである。
手動抽出はスケールできないが、汎用大規模言語モデル(LLM)は必要なドメイン固有の知識を欠いている。
我々は,LLMが微調整なしで厳密な科学的データ抽出を行うことのできる専門家誘導型適応手法を提案する。
論文 参考訳（メタデータ） (2026-05-28T14:06:25Z) - Retrieval Augmented Generation of Literature-derived Polymer Knowledge: The Example of a Biodegradable Polymer Expert System [4.222675210976564]
高分子文学は、大きくて成長する実験的な知識を含んでいる。
その多くは、構造化されていないテキストと一貫性のない用語に埋もれている。
既存のツールは通常、狭く、研究固有の事実を分離して抽出する。
論文 参考訳（メタデータ） (2026-02-18T17:46:09Z) - MatSKRAFT: A framework for large-scale materials knowledge extraction from scientific tables [19.837905352477453]
MatSKRAFTは、図表データから素材科学の知識を自動的に抽出し、統合するフレームワークである。
MatSKRAFT は最先端の大規模言語モデルよりも優れており、プロパティ抽出の F1 スコアは 88.68 、合成抽出の 71.35 である。
論文 参考訳（メタデータ） (2025-09-12T17:55:11Z) - A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。
この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。
我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
論文 参考訳（メタデータ） (2025-08-28T18:30:52Z) - An Effective Approach for Node Classification in Textual Graphs [0.5062312533373298]
本稿では,TAPE(Text-Attributed Graph Representation Enhancement)とGraphormerを統合する新しいフレームワークを提案する。
提案手法は,論文の内容から意味的に豊かな説明を生成し,それを拡張ノード表現に融合させる。
我々は,本フレームワークの課題であるogbn-arxivデータセットに対する有効性を示し,分類精度0.772で最先端性能を実現した。
論文 参考訳（メタデータ） (2025-08-07T20:24:00Z) - HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。
システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
論文 参考訳（メタデータ） (2025-08-01T20:30:42Z) - SciER: An Entity and Relation Extraction Dataset for Datasets, Methods, and Tasks in Scientific Documents [49.54155332262579]
我々は,科学論文のデータセット,メソッド,タスクに関連するエンティティに対して,新たなエンティティと関係抽出データセットをリリースする。
我々のデータセットには、24k以上のエンティティと12kの関係を持つ106の注釈付きフルテキストの科学出版物が含まれています。
論文 参考訳（メタデータ） (2024-10-28T15:56:49Z) - SciRIFF: A Resource to Enhance Language Model Instruction-Following over Scientific Literature [97.31347312130119]
SciRIFF(Scientific Resource for Instruction-Following and Finetuning)は、トレーニングと評価のための137K命令フォローインスタンスのデータセットで、54のタスクをカバーする。
これらのタスクは、情報抽出、要約、質問応答、クレーム検証、分類の5つの中核的な科学文献理解能力にまたがる。
SciRIFFは、さまざまな科学分野にわたる研究文献から情報を抽出し、合成するための、完全に専門家によって書かれた高品質な命令追跡データセットである。
論文 参考訳（メタデータ） (2024-06-10T21:22:08Z)
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。