Навигатор знаний: Фреймворк навигации с помощью LLM для исследовательского поиска в научной литературе

Knowledge Navigator: LLM-guided Browsing Framework for Exploratory Search in Scientific Literature

August 28, 2024

Авторы: Uri Katz, Mosh Levy, Yoav Goldberg

cs.AI

Аннотация

Экспоненциальный рост научной литературы требует развития передовых инструментов для эффективного исследования знаний. Мы представляем Knowledge Navigator, систему, разработанную для улучшения возможностей исследовательского поиска путем организации и структурирования извлеченных документов из широких тематических запросов в управляемую двухуровневую иерархию именованных и описательных научных тем и подтем. Эта структурированная организация обеспечивает общий обзор исследовательских тем в области, а также позволяет итеративный поиск и более глубокое открытие знаний в конкретных подтемах, позволяя пользователям уточнять свое внимание и извлекать дополнительные соответствующие документы. Knowledge Navigator объединяет возможности LLM с методами на основе кластеров для обеспечения эффективного метода просмотра. Мы демонстрируем эффективность нашего подхода через автоматические и ручные оценки на двух новых бенчмарках, CLUSTREC-COVID и SCITOC. Наш код, подсказки и бенчмарки доступны публично.

English

The exponential growth of scientific literature necessitates advanced tools for effective knowledge exploration. We present Knowledge Navigator, a system designed to enhance exploratory search abilities by organizing and structuring the retrieved documents from broad topical queries into a navigable, two-level hierarchy of named and descriptive scientific topics and subtopics. This structured organization provides an overall view of the research themes in a domain, while also enabling iterative search and deeper knowledge discovery within specific subtopics by allowing users to refine their focus and retrieve additional relevant documents. Knowledge Navigator combines LLM capabilities with cluster-based methods to enable an effective browsing method. We demonstrate our approach's effectiveness through automatic and manual evaluations on two novel benchmarks, CLUSTREC-COVID and SCITOC. Our code, prompts, and benchmarks are made publicly available.