Semantische Dokumentenindexierung mit generativer KI

Ziel dieses Beitrags ist es, neue Verfahren zur semantischen Indexierung von Referenzinformationen mithilfe generativer künstlicher Intelligenz vorzustellen. Ein GPT-Sprachmodell wurde verwendet, um Deskriptoren und Beziehungen zwischen diesen aus Dokumenten zum Thema Architekturgeschichte automatisch zu extrahieren. Aus den extrahierten Deskriptoren und Beziehungen wurde ein semantisches Netzwerk erstellt. Anschließend wurde ein Prototyp entwickelt, der es ermöglicht, mithilfe des semantischen Netzwerkes relevante Dokumente zu finden. Schließlich wird gezeigt, wie sich die Qualität semantischer Netzwerke mithilfe eines Schwarms virtueller Experten verbessern lässt. Der Einsatz generativer künstlicher Intelligenz kann den Arbeitsaufwand und die Kosten der semantischen Indexierung verringern. Die semantische Indexierung und das semantische Netzwerk können ihrerseits zu einer effektiveren Nutzung und Verbreitung wissenschaftlicher Informationen beitragen, indem sie eine semantische Suche, eine einfache Navigation und Benutzerfreundlichkeit ermöglichen.

This paper presents new methods for semantic indexing of reference information using generative artificial intelligence. A GPT language model was used to automatically extract descriptors and relationships between them from architectural history documents. A semantic network was created from the extracted descriptors and relationships. A prototype was then developed that made it possible to find relevant documents using the semantic network. Finally, it is shown how the quality of semantic networks can be improved with the help of a swarm of virtual experts. The use of generative artificial intelligence can reduce the workload and costs of semantic indexing. Semantic indexing and the semantic network can contribute to more effective use and dissemination of scientific information by enabling semantic search, easy navigation, and user-friendliness.