Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Chatting with Papers: A Hybrid Approach Using LLMs and Knowledge Graphs

Created by
  • Haebom

저자

Vyacheslav Tykhonov, Han Yang, Philipp Mayr, Jetze Touber, Andrea Scharnhorst

개요

본 논문은 대규모 언어 모델(LLM)과 지식 그래프(Semantic Artifacts)를 결합하여 컬렉션 탐색을 지원하는 새로운 워크플로우인 GhostWriter를 소개한다. Retrieval Augmented Generation 연구 분야에 속하는 GhostWriter는 지역적이고 적응 가능한 챗봇 생성을 위한 워크플로우이다. 백엔드 EverythingData 툴킷을 기반으로, GhostWriter는 컬렉션에 대한 질의 및 "챗팅"을 가능하게 하는 인터페이스를 제공한다. 반복적으로 적용하여, 개요 파악, 특정 개념 및 맥락에 대한 자세한 학습, 연구 질문의 제어된 방식으로의 개선 등 연구자의 정보 요구를 지원한다. GESIS Leibniz-Institute for the Social Sciences에서 발행한 method data analysis 저널의 논문 컬렉션에 대한 워크플로우를 시연하고, 추가 적용 분야를 제시한다.

시사점, 한계점

시사점:
LLM과 지식 그래프를 결합하여 효과적인 컬렉션 탐색 워크플로우를 제공한다.
지역적이고 적응 가능한 챗봇을 생성하여 연구자의 정보 요구를 지원한다.
연구 질문의 정제를 지원하여 연구 과정을 효율적으로 개선한다.
다양한 분야의 컬렉션 탐색에 적용 가능성을 보여준다.
한계점:
GhostWriter의 성능은 백엔드 EverythingData 툴킷의 성능에 의존적이다.
특정 저널의 논문 컬렉션에 대한 시연으로 일반화 가능성에 대한 추가 연구가 필요하다.
LLM의 한계로 인한 정보의 부정확성이나 편향 가능성에 대한 고려가 필요하다.
대규모 컬렉션에 대한 적용 시 효율성 및 확장성에 대한 검토가 필요하다.
👍