SISTEMA RAG-BASED PER LA RICERCA SEMANTICA DI DOCUMENTI ACCADEMICI IN UNA PIATTAFORMA DI GESTIONE TESI

HybridRAG-Thesis, un sistema locale basato sul paradigma Retrieval-Augmented Generation per l'indicizzazione e l'interrogazione in linguaggio naturale di documenti accademici. La soluzione consente di estrarre il contenuto e i principali metadati dei documenti PDF, segmentare il testo e costruire un indice vettoriale per il recupero semantico delle informazioni. Alla ricerca vettoriale, realizzata mediante ChromaDB, è affiancato un Knowledge Graph memorizzato in Neo4j, utilizzato per rappresentare documenti, persone, argomenti e riferimenti bibliografici. La combinazione delle due sorgenti permette di integrare passaggi testuali con informazioni strutturate e relazionali. I dati del grafo possono inoltre essere esportati in formato RDF/Turtle, favorendo l'interoperabilità con strumenti esterni. Il sistema comprende una pipeline di indicizzazione, un modello linguistico locale eseguito tramite Ollama, un backend FastAPI e un'interfaccia web sviluppata con React. La valutazione sperimentale, condotta su un corpus ristretto di tesi, ha fornito risultati preliminari incoraggianti, evidenziando al contempo la necessità di migliorare il ranking e il filtraggio del contesto recuperato. Il prototipo costituisce una base modulare per lo sviluppo di sistemi di interrogazione semantica di archivi accademici.