RAG acadêmico : facilitando o acesso à informação com LLMs e repositórios abertos de universidades
Visualizar/abrir
Data
2025Autor
Orientador
Nível acadêmico
Graduação
Outro título
Academic RAG : enhancing information access through LLMs and open university repositories
Assunto
Resumo
Este trabalho de conclusão de curso explora a dificuldade do acesso ao conhecimento científico contido em teses e dissertações universitárias. Propõe-se uma solução inovadora que emprega Modelos de Linguagem de Larga Escala (LLMs) e a técnica de Geração Aumentada por Recuperação (RAG) para fornecer um acesso mais intuitivo, contextualizado e eficiente. O projeto consiste na implementação de um sistema composto por um Importador de Documentos em Java, que realiza o download de teses, dissertaçõe ...
Este trabalho de conclusão de curso explora a dificuldade do acesso ao conhecimento científico contido em teses e dissertações universitárias. Propõe-se uma solução inovadora que emprega Modelos de Linguagem de Larga Escala (LLMs) e a técnica de Geração Aumentada por Recuperação (RAG) para fornecer um acesso mais intuitivo, contextualizado e eficiente. O projeto consiste na implementação de um sistema composto por um Importador de Documentos em Java, que realiza o download de teses, dissertações, monografias e publicações em revistas de repositórios universitários públicos através do protocolo OAI-PMH, focando no repositório LUME da UFRGS como estudo de caso. Subsequentemente, um programa em Python vetoriza o conteúdo textual dessas teses, armazenando-as em um banco de dados vetorial ChromaDB. Finalmente, um LLM Llama 3.2, executado localmente via Ollama, acessa essa base de conhecimento para responder a perguntas em linguagem natural, utilizando as teses como contexto. As respostas da LLM foram analisadas e verificadas com o banco de teses para validar o correto funcionamento do modelo. A monografia detalha a fundamentação teórica, as tecnologias empregadas, a arquitetura da solução implementada, os desafios enfrentados e uma avaliação qualitativa e quantitativa do sistema, demonstrando o potencial da abordagem para democratizar e enriquecer o acesso à produção científica acadêmica. ...
Abstract
This work explores the challenges of accessing scientific knowledge contained in university theses and dissertations. It proposes an innovative solution that employs Large Language Models (LLMs) and the Retrieval-Augmented Generation (RAG) technique to provide more intuitive, contextualized, and efficient access. The project involves implementing a system composed of a Java-based Thesis Importer, which downloads theses from public university repositories using the OAI-PMH protocol, with a focus ...
This work explores the challenges of accessing scientific knowledge contained in university theses and dissertations. It proposes an innovative solution that employs Large Language Models (LLMs) and the Retrieval-Augmented Generation (RAG) technique to provide more intuitive, contextualized, and efficient access. The project involves implementing a system composed of a Java-based Thesis Importer, which downloads theses from public university repositories using the OAI-PMH protocol, with a focus on the LUME repository of UFRGS as a case study. Subsequently, a Python program vectorizes the textual content of these documents and stores them in a ChromaDB vector database. Finally, a Llama 3.2 LLM, running locally via Ollama, accesses this knowledge base to answer natural language questions, using the theses as contextual information. The document details the theoretical background, the technologies used, the architecture of the implemented solution, the challenges faced, and both a qualitative and quantitative evaluation of the system, demonstrating the potential of this approach to democratize and enhance access to academic scientific output. ...
Instituição
Universidade Federal do Rio Grande do Sul. Instituto de Informática. Curso de Ciência da Computação: Ênfase em Engenharia da Computação: Bacharelado.
Coleções
-
TCC Ciência da Computação (1246)
Este item está licenciado na Creative Commons License


