Adaptations of AI models for querying the LandMatrix database in natural language

要約

ランド マトリックス イニシアチブ (https://landmatrix.org) とその世界的な観測機関は、大規模な土地取得に関する信頼できるデータを提供し、低所得層および中所得層の農業、採掘、エネルギーなどの分野における議論や行動に情報を提供することを目的としています。
国々。
これらのデータは学術界では認識されていますが、主にアクセスと活用が複雑であり、技術的な専門知識とデータベース スキーマの十分な理解が必要であるため、公共政策では十分に活用されていないままです。
この作業の目的は、さまざまなデータベース システムからのデータへのアクセスを簡素化することです。
この記事で提案されている方法は、Land Matrix のデータを使用して評価されます。
この研究では、大規模言語モデル (LLM) のさまざまな比較と、異なるデータベース システム (GraphQL および REST クエリ) をクエリするための LLM 適応 (プロンプト エンジニアリング、RAG、エージェント) の組み合わせを示します。
実験は再現可能で、デモはオンラインで利用できます: https://github.com/tetis-nlp/landmatrix-graphql-python。

要約(オリジナル)

The Land Matrix initiative (https://landmatrix.org) and its global observatory aim to provide reliable data on large-scale land acquisitions to inform debates and actions in sectors such as agriculture, extraction, or energy in low- and middle-income countries. Although these data are recognized in the academic world, they remain underutilized in public policy, mainly due to the complexity of access and exploitation, which requires technical expertise and a good understanding of the database schema. The objective of this work is to simplify access to data from different database systems. The methods proposed in this article are evaluated using data from the Land Matrix. This work presents various comparisons of Large Language Models (LLMs) as well as combinations of LLM adaptations (Prompt Engineering, RAG, Agents) to query different database systems (GraphQL and REST queries). The experiments are reproducible, and a demonstration is available online: https://github.com/tetis-nlp/landmatrix-graphql-python.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google