論文の概要: An Agentic Framework Using Rules and LLMs for Embedding and Annotating Descriptive Document Layouts: A Plant Science Use Case

• arxiv url: http://arxiv.org/abs/2608.14587v1
• Date: Fri, 19 Jun 2026 11:50:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.221375
• Title: An Agentic Framework Using Rules and LLMs for Embedding and Annotating Descriptive Document Layouts: A Plant Science Use Case
• Title（参考訳）: ルールとLCMを用いた記述的文書レイアウトの埋め込みと注釈付けのためのエージェントフレームワーク:植物科学のユースケース
• Abstract要約: 情報検索の最近の進歩は、厳密な表現とスパース表現、大規模言語モデル(LLM)、および特殊検索モデルを活用して、ランキング精度、関連性、言語間性能を改善する。 OCR,ルールベースの語彙,および大規模言語モデル(LLM)のアンサンブルを用いた植物形質抽出のためのパイプラインを提案する。 3種類の植物語彙を用いて,4,961種のデータセットから55,737種の形質アノテーションを抽出し,平均9.1種の形質を抽出した。
• 参考スコア（独自算出の注目度）: 1.9699270500237824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background: Recent advances in information retrieval (IR) leverage both dense and sparse representations, large language models (LLMs), and specialized retrieval models to improve ranking accuracy, relevance, and cross-lingual performance. Complementary techniques such as passage indexing, document layout analysis, and semantic knowledge representation further enhance retrieval effectiveness by capturing fine-grained contextual and structural information. Emerging agentic LLM frameworks extend these capabilities by enabling planning, iterative reasoning, tool use, and multi-agent collaboration, thereby broadening applications across diverse domains. These frameworks also emphasize rigorous evaluation, ethical considerations, and trustworthiness, ensuring responsible deployment in real-world settings. We propose a modular, agent-based pipeline for botanical trait extraction. Optical character recognition (OCR) converts PDFs into machine-readable text, while segmentation and indexing organize content by genus and species. Rule-based parsers extract structured botanical traits, and ensembles of large language models (LLMs) expand trait vocabularies and resolve ambiguities. This approach ensures accurate species recognition, scalable annotation, and explainable integration of textual botanical descriptions, enabling robust and interpretable data extraction across large botanical corpora. Results: Using three regional botanical datasets, our system extracted 55,737 trait annotations across 4,961 species, averaging 9.1 traits per species. Integration of LLM-based enrichment improved coverage for 75% of traits, increasing total annotations by 59%. While the choice of OCR engine had a minor effect on species recognition, overall annotation counts remained stable, demonstrating the robustness, scalability, and reliability of the pipeline for large-scale botanical trait extraction.
• Abstract（参考訳）: 背景: 情報検索(IR)の最近の進歩は, 厳密表現, 疎表現, 大規模言語モデル(LLM), 特殊検索モデルの両方を活用して, ランキング精度, 関連性, 言語間性能を向上させる。 パスインデクシング、文書レイアウト分析、意味的知識表現などの補完技術は、よりきめ細かいコンテキスト情報や構造情報をキャプチャすることで、検索の有効性をさらに向上させる。 新しいエージェントLLMフレームワークは、計画、反復的推論、ツールの使用、マルチエージェントのコラボレーションを可能にすることで、これらの機能を拡張し、様々なドメインにまたがるアプリケーションを広げる。 これらのフレームワークはまた、厳格な評価、倫理的考慮、信頼性を強調し、現実世界の環境における責任ある配置を保証する。 植物形質抽出のためのモジュール型エージェントベースパイプラインを提案する。 オプティカル文字認識(OCR)はPDFを機械可読テキストに変換し、セグメンテーションとインデックス化は属や種によってコンテンツを整理する。 ルールベースのパーサーは、構造化された植物形質を抽出し、大きな言語モデル(LLM)のアンサンブルは、特性語彙を拡張し、あいまいさを解決する。 このアプローチにより、正確な種認識、スケーラブルなアノテーション、およびテキスト植物記述の説明可能な統合が保証され、大きな植物体全体にわたって堅牢で解釈可能なデータ抽出が可能になる。 結果: 3つの地域植物データセットを用いて,4,961種にわたる55,737の形質アノテーションを抽出し,平均9.1形質を抽出した。 LLMベースのエンリッチメントの統合により、75%のトレーサビリティが向上し、全アノテーションが59%増加した。 OCRエンジンの選択は種認識に小さな影響を与えなかったが、全体的なアノテーション数は安定し、大規模植物形質抽出のためのパイプラインの堅牢性、拡張性、信頼性を実証した。

関連論文リスト

• Automated pipeline for herbarium label digitization [2.3991879782778853]
  HERBIOMEは、自動ハーバリウムラベルデジタル化のためのエンドツーエンドパイプラインである。 YOLOv8ベースのコンポーネント検出、CRAFT Hezarワードレベルのテキストローカライゼーション、手書きテキストや印刷テキストの認識のための微調整TrOCR、標準化されたフィールドへのセマンティックメタデータ構造化のためのGPT-4o Miniを統合している。
  論文  参考訳（メタデータ） (2026-08-25T14:01:32Z)
• StructText: A Synthetic Table-to-Text Approach for Benchmark Generation with Multi-Dimensional Evaluation [8.251302684712773]
  StructTextは、テキストからキー値抽出のための高忠実度ベンチマークを自動的に生成するエンドツーエンドフレームワークである。 提案手法は,49件の文書を対象とした71,539件のサンプルを用いて評価した。
  論文  参考訳（メタデータ） (2025-07-28T21:20:44Z)
• LATex: Leveraging Attribute-based Text Knowledge for Aerial-Ground Person Re-Identification [78.73711446918814]
  我々は,属性ベースのテキスト知識を活用するために,アクシデントチューニング戦略を採用した,AG-ReIDのためのLATexという新しいフレームワークを提案する。 我々のフレームワークは属性ベースのテキスト知識をフル活用してAGReIDの性能を向上させることができる。
  論文  参考訳（メタデータ） (2025-03-31T04:47:05Z)
• Fully automatic extraction of morphological traits from the Web: utopia or reality? [5.7009444338761845]
  本研究では,植物形質に関する情報を非構造的テキスト記述形式で収集・処理する機構を提案する。 その結果, F1スコアは75%以上であった。 この結果から,LLMの情報抽出機能により,構造化された特徴データベースの大規模作成が可能であることが示唆された。
  論文  参考訳（メタデータ） (2024-09-23T17:40:24Z)
• Towards Enhancing Coherence in Extractive Summarization: Dataset and Experiments with LLMs [70.15262704746378]
  我々は,5つの公開データセットと自然言語ユーザフィードバックのためのコヒーレントな要約からなる,体系的に作成された人間アノテーションデータセットを提案する。 Falcon-40BとLlama-2-13Bによる予備的な実験では、コヒーレントなサマリーを生成するという点で大幅な性能向上(10%ルージュ-L)が見られた。
  論文  参考訳（メタデータ） (2024-07-05T20:25:04Z)
• Learning to Extract Structured Entities Using Language Models [52.281701191329]
  機械学習の最近の進歩は、情報抽出の分野に大きな影響を与えている。 タスクをエンティティ中心にすることで、さまざまなメトリクスの使用を可能にします。 我々は、Structured Entity extractを導入し、Adroximate Entity Set OverlaPメトリックを提案し、この分野にコントリビュートします。
  論文  参考訳（メタデータ） (2024-02-06T22:15:09Z)
• Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
  我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。 提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。 多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
  論文  参考訳（メタデータ） (2024-01-28T08:56:49Z)
• Modeling Multi-Granularity Hierarchical Features for Relation Extraction [26.852869800344813]
  本稿では,原文のみに基づく多粒度特徴抽出手法を提案する。 外部知識を必要とせずに,効果的な構造的特徴が達成可能であることを示す。
  論文  参考訳（メタデータ） (2022-04-09T09:44:05Z)

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。