論文の概要: A Domain-Aware Pipeline for Structured Extraction and Retrieval-Augmented Question Answering over arXiv Superconductivity Literature

• arxiv url: http://arxiv.org/abs/2610.34391v1
• Date: Sun, 25 Oct 2026 15:48:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.607766
• Title: A Domain-Aware Pipeline for Structured Extraction and Retrieval-Augmented Question Answering over arXiv Superconductivity Literature
• Title（参考訳）: A Domain-Aware Pipeline for Structured extract and Retrieval-Augmented Question Answering over arXiv Superconductivity Literature
• Abstract要約: 本稿では,ArXivの超伝導パブリッシュを探索可能なコーパスに変換するエンドツーエンドパイプラインを提案する。 59個の超伝導材料を手作業で検証したセットで抽出を評価する。 材料情報学の応用として、文献由来の温度は独立した理論参照セットと一致している。
• 参考スコア（独自算出の注目度）: 36.94429692322632
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scientific literature in materials physics is growing faster than researchers can manually inspect it, yet most retrieval tools rely on keyword matching or generic question answering that ignores domain-specific structure in PDF files. This paper presents an end-to-end pipeline that transforms arXiv superconductivity publications into a searchable corpus with structured metadata and retrieval-augmented question answering. The system combines thematic corpus construction, domain-aware extraction of materials and superconducting transition temperatures, and hybrid retrieval that merges dense chunk embeddings with structured publication fields. We test whether normalized domain attributes improve evidence retrieval and answer groundedness relative to lexical-only and dense text-only methods. Extraction is evaluated on a manually verified gold set of 59 superconducting materials, 46 of which have confirmed experimental critical temperatures. On the 33-material primary positive subset, domain-aware pair accuracy reaches 45.5% versus 9.1% for a regex baseline. Retrieval and generation are compared under a fixed language model (qwen2.5:7b-instruct) on a 100-question benchmark, varying only the retrieval mechanism: BM25, dense, hybrid, and hybrid with domain metadata. BM25 gives the highest source recall (Recall@5 of 47%), and adding extracted metadata to hybrid retrieval does not improve it (39% versus 41%), which we attribute to noise in the extracted fields; the main bottleneck is locating the supporting span inside a correctly retrieved paper. As a materials-informatics application, literature-derived temperatures are matched to an independent theoretical reference set: 200 materials appear in both sources, and 20 have a median experimental critical temperature above the theoretical value.
• Abstract（参考訳）: 材料物理学の科学文献は、研究者が手動で調べるよりも急速に成長していますが、ほとんどの検索ツールは、PDFファイルのドメイン固有の構造を無視したキーワードマッチングや一般的な質問応答に依存しています。 本稿では、ArXivの超伝導パブリッシュを構造化メタデータと検索拡張質問応答を備えた検索可能なコーパスに変換するエンドツーエンドパイプラインを提案する。 このシステムは、テーマコーパスの構築、物質のドメイン認識抽出、超伝導転移温度、および密度の高いチャンク埋め込みと構造化された出版分野を融合させるハイブリッド検索を組み合わせる。 我々は,正規化されたドメイン属性が,語彙のみの手法と高密度テキストのみの手法に対して,証拠検索と回答基盤性を改善するかどうかを検証した。 抽出は59の超伝導材料からなる手作業で検証された金セットで評価され、そのうち46は実験的臨界温度が確認された。 33素材の一次正のサブセットでは、ドメイン認識ペアの精度は45.5%に達するが、Regexベースラインでは9.1%に達する。 検索と生成は、100問のベンチマークで固定された言語モデル(qwen2.5:7b-instruct)で比較され、検索メカニズムはBM25、高密度、ハイブリッド、およびドメインメタデータによって異なる。 BM25は、最も高いソースリコール(Recall@5 of 47%)を与え、抽出したメタデータをハイブリッド検索に付加しても改善しない(39% vs 41%)。 材料インフォマティクスの応用として、文献由来の温度は、それぞれの資料に200の材料が現れる独立した理論基準セットと一致し、20は理論値以上の中央値の実験的臨界温度を持つ。

関連論文リスト

• Benchmark for Structured Retrieval-Augmented Generation in Perovskite Photovoltaics [0.7200655637873443]
  24GBのGPU上でオープンな14Bモデルを使用して、25,662の論文から158,274のパスで6つの検索アーキテクチャをベンチマークする。 標準パス検索は16-23%の精度でトップ(1.6-6.5%ゼロショット) 対照的に、構造化されたデバイステーブル上での読み取り専用sqlの実行を言語モデルに設定すると、履歴では51.5%、予測文学では50.8%の精度が向上する。
  論文  参考訳（メタデータ） (2026-10-18T22:37:23Z)
• VisDocAgentBench: Benchmarking Agents for Visually Rich Document Retrieval [65.89247522243959]
  VisDocAgentBenchは、静的検索とエージェント検索を比較したクローズドコーパスベンチマークである。 100の文書から2,375ページ、120のユニークなターゲットクエリが直接、一橋、二橋のエビデンス構造でバランスを取っている。 強力な遅延対話型ビジュアルレトリバーは、直接アイテムで97.50%のRecall@1に達するが、2ブリッジアイテムでは2.50%に達し、関連性がコーパスコンテキストに依存する場合のクエリ-ターゲットマッチングの限界を明らかにする。
  論文  参考訳（メタデータ） (2026-08-18T15:23:06Z)
• From BM25 to Corrective RAG: Benchmarking Retrieval Strategies for Text-and-Table Documents [0.0]
  スパース, 密度, ハイブリッド融合, クロスエンコーダリグレード, クエリ拡張, インデックス拡張, 適応検索にまたがる10の検索戦略をベンチマークした。 我々はRecall@k,MRR,nDCGによる検索品質とNumber Matchによるエンドツーエンド生成品質を評価する。
  論文  参考訳（メタデータ） (2026-04-02T07:53:40Z)
• AIRwaves at CheckThat! 2025: Retrieving Scientific Sources for Implicit Claims on Social Media with Dual Encoders and Neural Re-Ranking [0.0]
  Team AIRwavesはCLEF-2025 CheckThat! LabのSubtask 4bで2位にランクインした。 このベースラインを超えるために、 (i) E5-largeをベースとしたデュアルエンコーダを使用する第1ステージ、および (i) SciBERTクロスエンコーダを用いて、バッチとマイニングされたハードネガを使用して微調整を行い、チャンクトークン化とリッチドキュメントメタデータによって強化された第1ステージ、 (ii) ニューラルネットワーク再ランクステージを導入する。
  論文  参考訳（メタデータ） (2025-09-23T19:26:31Z)
• Retrieval-Augmented Generation for Reliable Interpretation of Radio Regulations [49.671779378073886]
  無線規制分野における質問応答について検討する。 本稿では,通信事業者固有のレトリーバル拡張生成(RAG)パイプラインを提案する。 当社のアプローチは,テスト対象モデル全体の生成精度を一貫して向上させる。
  論文  参考訳（メタデータ） (2025-09-11T17:43:42Z)
• Query Attribute Modeling: Improving search relevance with Semantic Search and Meta Data Filtering [0.0]
  本研究では,オープンテキストクエリを構造化メタデータタグやセマンティック要素に分解することで,検索精度と関連性を高めるハイブリッドフレームワークであるクエリ属性モデリング(QAM)を紹介する。 QAMは、自由形式のテキストクエリからメタデータフィルタを自動的に抽出し、ノイズを低減し、関連する項目の集中検索を可能にすることで、従来の検索制限に対処する。
  論文  参考訳（メタデータ） (2025-08-06T17:47:00Z)
• 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)
• Deep Retrieval at CheckThat! 2025: Identifying Scientific Papers from Implicit Social Media Mentions via Hybrid Retrieval and Re-Ranking [4.275139302875217]
  CLEF CheckThat! 2025コンペティションのサブタスク4bに対するDeep Retrievalチームの方法論と結果を示す。 本稿では,語彙的精度,意味的一般化,文脈的再ランク付けを併用したハイブリッド検索パイプラインを提案する。 提案手法は, 開発セットで76.46%, 隠されたテストセットで66.43%の平均相反ランクを5 (MRR@5) 達成する。
  論文  参考訳（メタデータ） (2025-05-29T08:55:39Z)
• BRIGHT: A Realistic and Challenging Benchmark for Reasoning-Intensive Retrieval [54.54576644403115]
  BRIGHTは、関係する文書を検索するために、集中的推論を必要とする最初のテキスト検索ベンチマークである。 私たちのデータセットは、経済学、心理学、数学、コーディングなど、さまざまな領域にまたがる1,384の現実世界のクエリで構成されています。 クエリに関する明示的な推論を取り入れることで、検索性能が最大12.2ポイント向上することを示す。
  論文  参考訳（メタデータ） (2024-07-16T17:58:27Z)

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。