Chatting with Papers: A Hybrid Approach Using LLMs and Knowledge Graphs
Vyacheslav Tykhonov, Han Yang, Philipp Mayr, Jetze Touber, Andrea Scharnhorst
本文演示了一种名为 GhostWriter 的新工作流程，它结合了大型语言模型（LLM）和知识图谱（语义工件）的使用，以支持对集合的导航。该工作流程位于检索增强生成的研究领域，详细介绍了本地和自适应聊天机器人的创建。基于 EverythingData 后端工具套件，GhostWriter 提供了一个界面，可以查询和“与”一个集合“对话”。通过迭代应用该工作流程，可以支持研究人员在与论文集合交互时的信息需求，无论是为了获得概述，了解特定概念及其背景，还是最终以受控方式完善其研究问题。我们针对 GESIS – 社会科学莱布尼茨研究所发布的《方法数据分析》期刊的文章集合演示了该工作流程。我们还指出了进一步的应用领域。
This demo paper reports on a new workflow GhostWriter that combines the use of Large Language Models and Knowledge Graphs (semantic artifacts) to support navigation through collections. Situated in the research area of Retrieval Augmented Generation, this specific workflow details the creation of local and adaptable chatbots. Based on the tool-suite EverythingData at the backend, GhostWriter provides an interface that enables querying and "chatting" with a collection. Applied iteratively, the wo...