DAGverse: Automatisierte Erstellung semantischer DAGs aus wissenschaftlichen Papieren

Wissenschaftliche Arbeiten enthalten oft komplexe Zusammenhänge, die sich am besten als gerichtete azyklische Graphen (DAGs) darstellen lassen. Das neue System DAGverse ermöglicht es, solche Graphen automatisch aus den Texten und Abbildungen von Online-Papieren zu extrahieren und mit erklärenden Belegen zu versehen.

Der Aufbau eines DAGs aus einem Dokument ist schwierig, weil die Struktur häufig implizit ist und die relevanten Informationen über Text, Gleichungen, Bildunterschriften und Figuren verstreut liegen. DAGverse nutzt wissenschaftliche Artikel, die explizite DAG‑Abbildungen enthalten, als natürliche Trainingsquelle: die Abbildung liefert die Graphstruktur, während der begleitende Text Kontext und Begründung bietet.

Das Herzstück ist die DAGverse‑Pipeline, ein halbautomatisches System, das vier Schritte durchläuft: (1) Klassifizierung der relevanten Figuren, (2) Rekonstruktion des Graphen aus der Abbildung, (3) semantische Zuordnung der Knoten und Kanten zu Begriffen im Text und (4) Validierung der Ergebnisse. Durch diese Kombination erreicht die Pipeline eine hohe Präzision bei der Erzeugung semantischer DAGs.

Als ersten Datensatz stellt DAGverse‑1 108 von Experten validierte semantische DAGs bereit, die graphen-, knoten- und kantenbezogene Belege enthalten. In Experimenten übertraf die Pipeline bestehende Vision‑Language‑Modelle bei der Klassifizierung und Annotation von DAGs, insbesondere bei kausalen Graphen.

Mit DAGverse wird die Analyse wissenschaftlicher Literatur deutlich effizienter: Forscher können nun automatisch strukturierte Wissensgraphen generieren, die als Grundlage für weiterführende Analysen, Wissensdatenbanken und KI‑gestützte Forschung dienen können.