論文の概要: Monte Carlo Tree Search for Generating Interactive Data Analysis
Interfaces
- arxiv url: http://arxiv.org/abs/2001.01902v2
- Date: Wed, 4 Mar 2020 03:18:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 21:09:53.840366
- Title: Monte Carlo Tree Search for Generating Interactive Data Analysis
Interfaces
- Title(参考訳): 対話型データ解析インタフェース生成のためのモンテカルロ木探索
- Authors: Yiru Chen, Eugene Wu
- Abstract要約: ユーザインターフェースのようなインタラクティブなツールは、基礎となるプログラミングの詳細を隠蔽し、必要なウィジェットインターフェースをユーザに公開することによって、エンドユーザのデータアクセスを民主化するのに役立つ。
我々はモンテカルロ木探索(MCTS)を用いて,階層的なレイアウトとクエリログの表現がいかに容易かという点で,ユーザビリティを考慮に入れた最適なインターフェースを探索する。
- 参考スコア(独自算出の注目度): 16.10240127131801
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Interactive tools like user interfaces help democratize data access for
end-users by hiding underlying programming details and exposing the necessary
widget interface to users. Since customized interfaces are costly to build,
automated interface generation is desirable. SQL is the dominant way to analyze
data and there already exists logs to analyze data. Previous work proposed a
syntactic approach to analyze structural changes in SQL query logs and
automatically generates a set of widgets to express the changes. However, they
do not consider layout usability and the sequential order of queries in the
log. We propose to adopt Monte Carlo Tree Search(MCTS) to search for the
optimal interface that accounts for hierarchical layout as well as the
usability in terms of how easy to express the query log.
- Abstract(参考訳): ユーザインターフェースのようなインタラクティブなツールは、基盤となるプログラミングの詳細を隠蔽し、必要なウィジェットインターフェースをユーザに公開することにより、エンドユーザのデータアクセスを民主化するのに役立つ。
カスタマイズされたインターフェースの構築にはコストがかかるため、インターフェースの自動生成が望ましい。
sqlはデータ分析の主要な方法であり、データ分析のためのログはすでに存在する。
以前の作業では、SQLクエリログの構造的変更を分析し、変更を表現するためにウィジェットのセットを自動的に生成する構文的アプローチが提案されていた。
しかし、レイアウトのユーザビリティとログ内のクエリのシーケンシャルな順序は考慮していない。
我々はモンテカルロ木探索(MCTS)を用いて,階層的なレイアウトとクエリログの表現がいかに容易かという点で,ユーザビリティを考慮に入れた最適なインターフェースを探索する。
関連論文リスト
- Improving Text-to-SQL Semantic Parsing with Fine-grained Query
Understanding [84.04706075621013]
トークンレベルのきめ細かいクエリ理解に基づく汎用的モジュール型ニューラルネットワーク解析フレームワークを提案する。
我々のフレームワークは、名前付きエンティティ認識(NER)、ニューラルエンティティリンカ(NEL)、ニューラルエンティティリンカ(NSP)の3つのモジュールから構成されている。
論文 参考訳(メタデータ) (2022-09-28T21:00:30Z) - Integrating connection search in graph queries [6.948362325254044]
SPARQLやCypherといったグラフクエリ言語に接続ツリーパターン(CTP)を統合する方法を示す。
非常に大きな探索空間に対処するため,我々は効率的な刈り込み手法を提案し,我々のアルゴリズムMOLESPがプルーニングでも完備しているケースの集合を正式に確立する。
論文 参考訳(メタデータ) (2022-08-09T14:27:57Z) - Proton: Probing Schema Linking Information from Pre-trained Language
Models for Text-to-SQL Parsing [66.55478402233399]
本稿では,ポアンカー距離測定に基づく探索手法を用いて,関係構造を抽出する枠組みを提案する。
スキーマリンクの一般的なルールベース手法と比較して,探索関係は意味的対応をしっかりと捉えることができることがわかった。
我々のフレームワークは3つのベンチマークで最先端のパフォーマンスを新たに設定する。
論文 参考訳(メタデータ) (2022-06-28T14:05:25Z) - Autoregressive Search Engines: Generating Substrings as Document
Identifiers [53.0729058170278]
自動回帰言語モデルは、回答を生成するデファクト標準として現れています。
これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。
本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
論文 参考訳(メタデータ) (2022-04-22T10:45:01Z) - Graph Enhanced BERT for Query Understanding [55.90334539898102]
クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。
近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。
本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
論文 参考訳(メタデータ) (2022-04-03T16:50:30Z) - Interactive Data Analysis with Next-step Natural Language Query
Recommendation [34.264322423228556]
我々は,ユーザが適切な次ステップ探索行動を選択するのを支援するために,ステップワイズクエリレコメンデーションモジュールを備えたNLIを開発した。
このシステムは、ユーザーがクエリ履歴と結果をダッシュボードにまとめて、発見したデータインサイトを伝えるのに役立つ。
論文 参考訳(メタデータ) (2022-01-13T10:20:06Z) - VINS: Visual Search for Mobile User Interface Design [66.28088601689069]
本稿では、UIイメージを入力として、視覚的に類似したデザイン例を検索するビジュアル検索フレームワークVINSを紹介する。
このフレームワークは、平均平均精度76.39%のUI検出を実現し、類似したUI設計をクエリする際の高いパフォーマンスを実現している。
論文 参考訳(メタデータ) (2021-02-10T01:46:33Z) - Session-Aware Query Auto-completion using Extreme Multi-label Ranking [61.753713147852125]
本稿では,セッション対応クエリ自動補完の新たな手法を,XMR(Multi Multi-Xtreme Ranking)問題として取り上げる。
アルゴリズムのキーステップにいくつかの修正を提案することにより、この目的のために一般的なXMRアルゴリズムを適応させる。
当社のアプローチは、セッション情報を活用しながら、自動補完システムの厳しいレイテンシ要件を満たします。
論文 参考訳(メタデータ) (2020-12-09T17:56:22Z) - Don't Parse, Generate! A Sequence to Sequence Architecture for
Task-Oriented Semantic Parsing [0.0]
Amazon Alexa、Apple Siri、Google Assistantといったバーチャルアシスタントは、ユーザーが話す発話に対してどのアクションを実行するかを理解するために意味解析コンポーネントに依存することが多い。
本稿では,単純なクエリと複雑なクエリの両方を扱うために,Sequence to SequenceモデルとPointer Generator Networkに基づく統一アーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-01-30T17:11:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。