arXivRAG

arXivRAG

ภาพรวม

arXivRAG เป็นเครื่องมือที่ครอบคลุมที่ออกแบบมาเพื่อปรับปรุงการดึงและสร้างเนื้อหาทางวิชาการจากฐานข้อมูล arXiv arXivRAG ใช้ประโยชน์จากเทคนิคการดึงข้อมูล-Augmented Generation (RAG) ขั้นสูง ช่วยให้นักวิจัย นักศึกษา และผู้ที่ชื่นชอบสามารถค้นพบและสร้างบทสรุป ข้อมูลเชิงลึก และการวิเคราะห์เอกสาร arXiv ได้อย่างมีประสิทธิภาพ

คุณสมบัติ

คุณสมบัติหลัก

• Recovery-Augmented Generation : รวมพลังของระบบดึงข้อมูลเข้ากับแบบจำลองกำเนิดเพื่อเพิ่มความแม่นยำและความเกี่ยวข้องของการตอบสนอง

• การบูรณาการ arXiv : ค้นหาพื้นที่เก็บข้อมูล arXiv โดยตรงเพื่อดึงและสรุปเอกสารทางวิชาการ

• ส่วนต่อประสานที่ใช้งานง่าย : ให้ส่วนต่อประสานที่ใช้งานง่ายสำหรับการสืบค้นและรับบทสรุปของเอกสารทางวิทยาศาสตร์

• ปรับแต่งได้ : อนุญาตให้ผู้ใช้ปรับแต่งพารามิเตอร์การดึงข้อมูลและการสร้างเพื่อให้เหมาะกับความต้องการเฉพาะของพวกเขา

คุณสมบัติขั้นสูง

• การค้นหาขั้นสูง : ความสามารถในการค้นหาขั้นสูงเพื่อค้นหาเอกสารที่เกี่ยวข้องได้อย่างรวดเร็ว

• การสรุป : การสร้างบทสรุปที่กระชับโดยอัตโนมัติสำหรับเอกสาร arXiv

• ข้อความค้นหาที่กำหนดเอง : การสนับสนุนข้อความค้นหาที่ปรับแต่งเพื่อดึงข้อมูลเฉพาะจากเอกสารทางวิชาการ

• การเข้าถึงแบบเรียลไทม์ : บูรณาการอย่างราบรื่นกับ arXiv API สำหรับการเข้าถึงข้อมูลแบบเรียลไทม์

• การวิเคราะห์การอ้างอิงและแนวโน้ม : วิเคราะห์เครือข่ายการอ้างอิง แสดงภาพผลกระทบของรายงาน และระบุแนวโน้มการวิจัยที่เกิดขึ้นใหม่โดยอิงตามสิ่งตีพิมพ์ล่าสุดและรูปแบบการอ้างอิง

การติดตั้ง

หากต้องการเริ่มต้นใช้งาน arXivRAG ให้ทำตามขั้นตอนเหล่านี้:

1. โคลนที่เก็บ:

git clone https://github.com/phitrann/arXivRAG.git
cd arXivRAG

2. สร้างสภาพแวดล้อมเสมือนจริง (เราแนะนำให้ใช้ conda):

conda create -n arxiv-rag python=3.10
conda activate arxiv-rag

3. ติดตั้งการพึ่งพาที่จำเป็น:

pip install -r requirements.txt

การใช้งาน

หากต้องการใช้ arXivRAG ให้ทำตามขั้นตอนเหล่านี้:

1. รันสคริปต์หลัก:

python main.py

3. สอบถามระบบ:

• ป้อนคำถามของคุณที่เกี่ยวข้องกับรายงานทางวิทยาศาสตร์

• ระบบจะดึงเอกสารที่เกี่ยวข้องจาก arXiv และสร้างข้อมูลสรุป

การกำหนดค่า

คุณสามารถปรับแต่งลักษณะการทำงานของ arXivRAG ได้โดยการแก้ไขไฟล์การกำหนดค่า config.yaml พารามิเตอร์ที่สำคัญได้แก่:

• recovery_model : โมเดลที่ใช้ในการดึงเอกสารที่เกี่ยวข้อง

• generation_model : โมเดลที่ใช้สำหรับสร้างสรุป

• num_retrievals : จำนวนเอกสารที่จะดึงข้อมูลสำหรับแต่ละแบบสอบถาม

• max_summary_length : ความยาวสูงสุดของข้อมูลสรุปที่สร้างขึ้น

มีส่วนร่วม

เรายินดีรับการสนับสนุนจากชุมชน! หากคุณมีแนวคิดเกี่ยวกับคุณสมบัติหรือการปรับปรุงใหม่ โปรดเปิดประเด็นหรือส่งคำขอดึงข้อมูลได้เลย

ในกรณีที่คุณต้องการส่งคำขอดึง โปรดทำตามขั้นตอนเหล่านี้:

1. แยกพื้นที่เก็บข้อมูล

2. สร้างสาขาใหม่:

git checkout -b feature/your-feature-name

4. ทำการเปลี่ยนแปลงและคอมมิต:

git commit -m "Add your commit message"

5. ผลักดันไปที่สาขา:

git push origin feature/your-feature-name

6. สร้างคำขอดึง

ใบอนุญาต

โครงการนี้เผยแพร่ภายใต้ลิขสิทธิ์ Apache 2.0 ดูไฟล์ใบอนุญาตสำหรับรายละเอียด

รับทราบ

• ขอขอบคุณผู้มีส่วนร่วมในโครงการ arXivRAG

• ขอขอบคุณเป็นพิเศษสำหรับนักพัฒนาโมเดลการดึงข้อมูลและการสร้างที่ใช้ในโปรเจ็กต์นี้