Pitch: https://youtu.be/BrcQsJSQqW0
Demo: https://youtu.be/_iwEbyWICrI
AntLabyrinth é uma plataforma projetada para aprimorar a experiência dos pesquisadores acadêmicos no portal de periódicos da CAPES. Através de uma abordagem inovadora, oferece busca inteligente e suporte à escrita acadêmica, utilizando processamento de linguagem natural (NLP) e um grafo de conhecimento avançado.
Pesquise artigos acadêmicos de forma precisa e rápida, usando prompts de NLP para descrever o que você procura. Destaques:
- Resumos Personalizados: Cada artigo apresenta um resumo gerado com base no seu contexto de pesquisa.
- Explicações Detalhadas: Entenda por que cada artigo foi selecionado com base no prompt fornecido e no seu perfil de pesquisa.
- Ferramentas de Tradução: Traduza artigos e peça resumos adicionais com facilidade.
Aproveite um editor de texto integrado que facilita a produção acadêmica:
- Normas Acadêmicas: Suporte completo para formatação de trabalhos e normas de publicação.
- Sugestão de Fontes: Descubra novas referências relevantes diretamente no diretório CAPES.
O Knowledge Graph é um diferencial crucial da plataforma AntLabyrinth, oferecendo uma abordagem revolucionária para a pesquisa acadêmica. Aqui está por que ele é tão importante:
-
Conexões Contextuais: O grafo mapeia não apenas citações, mas também:
- Relações temáticas entre artigos
- Evolução temporal de conceitos
- Redes de colaboração entre autores
- Interdependência entre áreas de conhecimento
-
Descoberta de Padrões: Identificação automática de:
- Tendências emergentes em campos de pesquisa
- Grupos de pesquisa influentes
- Lacunas de conhecimento inexploradas
- Pontes interdisciplinares
- No escopo, selecionamos nosso esqueleto de grafo para ser um grafo direcionado, você pode e encontrar em schemas.json.
-
Ingestão e Processamento:
- Coleta contínua de artigos do portal CAPES
- Extração de metadados e conteúdo
- Geração de embeddings usando modelos NLP
- Análise de citações e referências
-
Enriquecimento do Grafo:
- Criação automática de nós para artigos, autores e conceitos
- Estabelecimento de relações baseadas em:
- Citações diretas e indiretas
- Similaridade semântica
- Coautoria e colaborações
- Palavras-chave e temas
-
Consulta e Recuperação:
- Busca contextual usando algoritmos de traversal
- Ranqueamento dinâmico baseado em relevância
- Recomendações personalizadas
- Análise de caminhos de conhecimento
-
Pesquisa Mais Inteligente:
- Resultados mais relevantes e contextualizados
- Descoberta de conexões não óbvias
- Sugestões proativas de leitura
- Mapeamento de campos de pesquisa
-
Produtividade Aprimorada:
- Redução do tempo de busca
- Identificação rápida de trabalhos relacionados
- Visualização clara da evolução do conhecimento
- Suporte à escrita baseado em evidências
-
Insights Únicos:
- Análise de tendências em tempo real
- Identificação de colaboradores potenciais
- Mapeamento de lacunas de pesquisa
- Visualização de redes de conhecimento
- Velocidade e Precisão: Reduza o tempo necessário para encontrar artigos relevantes.
- Integração: Um ambiente único para busca e escrita acadêmica.
- Customização: Resumos personalizados e ferramentas alinhadas ao seu perfil de pesquisa.
- Frontend e Backend: Construídos com Next.js para garantir uma experiência de usuário fluida.
- Knowledge Graph: Baseado no projeto Neo4j LLM Graph Builder, amplamente modificado para buscar arquivos diretamente, com ajustes significativos nas queries GraphQL e prompts para gerenciar dados no banco de grafos.
- Banco de Dados: Neo4j AuraDB e PostgreSQL, para armazenamento eficiente e escalável.
Para executar a plataforma, você precisará configurar as credenciais e os serviços necessários. Siga as instruções abaixo para configurar o ambiente de desenvolvimento.
Preencha o arquivo .env.example na raiz do projeto com suas credenciais e informações, e renomeie-o para .env.
mv .env.example .envNa pasta dashboard, preencha o .env.example com as configurações necessárias e renomeie-o para .env.
cd dashboard
mv .env.example .envA plataforma utiliza três serviços principais, cada um com uma função específica. Siga as instruções abaixo para configurá-los e iniciá-los.
O serviço Neo4j é utilizado para armazenar e consultar o grafo de conhecimento.
Arquivo: docker-compose-auradb.yml
docker-compose -f docker-compose-auradb.yml up -dDetalhes:
- Volumes: Persistência de dados, logs, e configurações.
- Portas:
- 7474: Painel de controle Neo4j.
- 7687: Comunicação com o banco via protocolo Bolt.
- Plugins: Inclui suporte a APOC e Graph Data Science.
O Graph Builder é responsável por criar e manipular o grafo, além de fornecer a interface de consulta.
Arquivo: docker-compose-graph.yml
docker-compose -f docker-compose-graph.yml up -d- Função: Processamento de requisições, comunicação com o Neo4j e geração de embeddings.
- Porta: 8000.
- Função: Interface gráfica para visualização e interação com o grafo. Geralmente usado para administrar o banco de dados e monitorar o sistema.
- Porta: 8080.
O serviço PostgreSQL é utilizado para armazenar dados auxiliares da plataforma.
Arquivo: docker-compose-postgresdb.yml
docker-compose -f docker-compose-postgresdb.yml up -dDetalhes:
- Porta: 5432.
- Volumes: Persistência dos dados do banco.
Após subir os serviços, você pode rodar o dashboard, que é construído com Next.js.
-
Navegue até a pasta do dashboard:
cd dashboard -
Instale as dependências com Bun para maior desempenho:
bun install
-
Inicie o servidor de desenvolvimento:
bun dev
-
Acesse o dashboard em
http://localhost:3000.
Agora você pode explorar a plataforma e começar a pesquisar e escrever com mais eficiência!