SyntheSearch
v1.0.0
Synthesearch ：最も関連性の高い論文を見つけて統合し、研究者の時間を節約し、洞察を強化するスマートな研究ツール。
バックエンドディレクトリに移動します。
cd backend仮想環境を設定します：
python3 -m venv venv仮想環境を有効にします：
source venv/bin/activate依存関係をインストールします：
pip install -r requirement.txt
ショ和 注： iOSでは、pywin32がrequirement.txtから削除されていることを確認してください。
サーバーを実行します：
uvicorn main:app --reloadフロントエンドディレクトリに移動します。
cd frontend依存関係をインストールします：
npm i開発サーバーを開始します。
npm run devSynthesearchは、関連する研究論文を効率的に見つけることにより、学生と研究者の研究プロセスを合理化するように設計されたWebアプリケーションです。研究者はしばしば、彼らの興味に最も一致する研究を見つけることを望んで、論文をふるいにかける時間を費やします。 Synthesearchの目的は、最も関連性の高い論文をインテリジェントに提案し、研究がどのように相互に関連するかを明らかにし、ユーザーに時間を節約し、理解を向上させる洞察に満ちた概要を提供することにより、この時間を短縮することを目指しています。
Synthesearchのインスピレーションは、学生としての私たち自身の経験から来ました。 Hackumass XIIの前に、1人のチームメンバーは、がん検出における機械学習アプリケーションに関する研究論文を見つけるのに苦労していました。信頼できるソースを見つけるプロセスは、最適化されたライブラリ検索ツールを使用しても、疲れ果てて時間がかかりました。このフラストレーションは、大規模な言語モデル（LLM）とベクトルデータベースを活用して、関連する研究と要約を迅速に表現するより効率的な検索エンジンを開発するようになりました...
AI開発のための広範なフレームワークのため、バックエンドのPythonを選択しました。 Databricksは、マシン学習パイプラインを合理化するために使用されました。 Synthearchの構築にアプローチした方法は次のとおりです。
このプロジェクトは、非常に貴重な学習体験でした。最初のLLMプロジェクトであったため、Genai Technologies、特にVectorデータベースのパワーで実践的な経験を積みました。私たちは明確なチームコミュニケーションの重要性を学びました。現在、LLMSと情報検索に革命をもたらす能力をより深く理解しています。
Synthearchを通じて、研究プロセスの効率性に貢献し、研究者が情報の過負荷ではなく洞察に集中できるようにすることに興奮しています。
