查看“WikiEdge:ArXiv速递/2025-04-02”的源代码

== 摘要 ==
* '''原文标题'''：GeoRAG: A Question-Answering Approach from a Geographical Perspective
* '''中文标题'''：GeoRAG：地理视角下的问答方法
* '''发布日期'''：2025-04-02 08:11:05+00:00
* '''作者'''：Jian Wang, Zhuo Zhao, Zheng Jie Wang, Bo Da Cheng, Lei Nie, Wen Luo, Zhao Yuan Yu, Ling Wang Yuan
* '''分类'''：cs.IR
*'''原文链接'''：http://arxiv.org/abs/2504.01458v1
'''中文摘要'''：[[地理问答]]（GeoQA）通过处理[[地理领域]]的[[自然语言查询]]来满足复杂[[用户需求]]并提升[[信息检索]]效率。然而传统[[问答系统]]存在理解局限、检索精度低、交互性弱及复杂任务处理不足等问题，阻碍了精准[[信息获取]]。本研究提出[[GeoRAG]]框架，该知识增强型问答系统融合[[领域微调]]、[[提示工程]]与[[检索增强生成]]（RAG）技术，以提升[[地理知识]]检索精度和[[用户交互]]体验。[[方法论]]包含四个组件：（1）基于3267份语料（[[研究论文]]、[[专著]]与[[技术报告]]）构建结构化[[地理知识库]]，通过[[多智能体]]方法归类为[[语义理解]]、[[空间位置]]、[[几何形态]]、[[属性特征]]、[[要素关联]]、[[演化过程]]与[[运作机制]]七个维度，最终生成145234条分类条目与875432组多维[[问答对]]；（2）基于[[BERT-Base-Chinese]]的[[多标签文本分类器]]，用于通过[[地理维度]]分类解析[[查询类型]]；（3）利用[[问答对]]数据的[[检索评估器]]，优化[[查询-文档相关性]]判定以提升[[检索精度]]；（4）[[GeoPrompt]]模板动态整合[[用户查询]]与[[检索信息]]，通过[[维度特异性]]提示提升[[响应质量]]。对比实验表明[[GeoRAG]]在多个[[基础模型]]上均优于传统[[RAG]]，验证了其[[泛化能力]]。本研究通过提出[[领域专用]]大语言模型部署新范式，推动[[地理人工智能]]发展，对提升现实场景中[[GeoQA]]系统的[[可扩展性]]与[[准确性]]具有[[实践意义]]。