LLM辅助的基于IFC数据的图检索增强生成信息提取
LLM-assisted Graph-RAG Information Extraction from IFC Data
AI总结：
本研究利用大语言模型结合图检索增强生成技术解析IFC数据，实现建筑对象属性及关系的自然语言查询检索，无需复杂管道。
摘要：
IFC数据已成为建筑行业协同工作中通用的建筑信息标准。然而，IFC数据可能非常复杂，因为它允许多种方式来表示相同的产品信息。在本研究中，我们利用大语言模型（LLM）的能力，结合图检索增强生成（Graph-RAG）技术来解析IFC数据，以检索建筑对象属性及其关系。我们将证明，尽管由于IFC数据复杂的层级结构存在局限性，但Graph-RAG解析通过基于图的知识增强了诸如GPT-4o之类的生成式大语言模型，使得无需复杂管道即可实现自然语言查询-响应检索。
英文摘要：
IFC data has become the general building information standard for collaborative work in the construction industry. However, IFC data can be very complicated because it allows for multiple ways to represent the same product information. In this research, we utilise the capabilities of LLMs to parse the IFC data with Graph Retrieval-Augmented Generation (Graph-RAG) technique to retrieve building object properties and their relations. We will show that, despite limitations due to the complex hierarchy of the IFC data, the Graph-RAG parsing enhances generative LLMs like GPT-4o with graph-based knowledge, enabling natural language query-response retrieval without the need for a complex pipeline.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
