論文の概要: Taming the Expressiveness and Programmability of Graph Analytical Queries

• arxiv url: http://arxiv.org/abs/2004.09045v2
• Date: Wed, 30 Sep 2020 07:28:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 19:04:57.734414
• Title: Taming the Expressiveness and Programmability of Graph Analytical Queries
• Title（参考訳）: グラフ分析クエリの表現性とプログラム性
• Authors: Lu Qin, Longbin Lai, Kongzhang Hao, Zhongxin Zhou, Yiwei Zhao, Yuxing Han, Xuemin Lin, Zhengping Qian, Jingren Zhou
• Abstract要約: グラフデータベースはこの10年でブームとなり、グラフクエリは多くの注目を集めている。 本稿では,本論文における分析クエリに焦点をあてる。 そこで我々は,LocAlとPuSHという3つのプリミティブ演算子に因んで命名されたフラッシュDSLを提案する。
• 参考スコア（独自算出の注目度）: 74.65487393973993
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph database has enjoyed a boom in the last decade, and graph queries accordingly gain a lot of attentions from both the academia and industry. We focus on analytical queries in this paper. While analyzing existing domain-specific languages (DSLs) for analytical queries regarding the perspectives of completeness, expressiveness and programmability, we find out that none of existing work has achieved a satisfactory coverage of these perspectives. Motivated by this, we propose the \flash DSL, which is named after the three primitive operators Filter, LocAl and PuSH. We prove that \flash is Turing complete (completeness), and show that it achieves both good expressiveness and programmability for analytical queries. We provide an implementation of \flash based on code generation, and compare it with native C++ codes and existing DSL using representative queries. The experiment results demonstrate \flash's expressiveness, and its capability of programming complex algorithms that achieve satisfactory runtime.
• Abstract（参考訳）: グラフデータベースはこの10年でブームを迎えており、それゆえグラフクエリは学界と業界の両方から多くの注目を集めている。 本稿では,分析クエリに着目した。 完全性,表現性,プログラマビリティの観点に関する分析クエリのための既存のドメイン固有言語(DSL)を分析しながら,既存の作業がこれらの観点を満足できる範囲でカバーできていないことを発見した。 そこで我々は,3つのプリミティブ演算子であるLocAlとPuSHに因んで命名された \flash DSL を提案する。 我々は、 \flash がチューリング完全(完全性)であることを証明し、分析クエリの表現性とプログラム性の両方を達成することを示す。 我々は、コード生成に基づく \flash の実装を提供し、ネイティブな c++ コードや既存の dsl と比較する。 実験の結果は, \flashの表現性と, 良好な実行環境を実現する複雑なアルゴリズムのプログラミング能力を示している。

関連論文リスト

• Instance-Aware Graph Prompt Learning [71.26108600288308]
  本稿では,インスタンス対応グラフプロンプト学習(IA-GPL)について紹介する。 このプロセスでは、軽量アーキテクチャを使用して各インスタンスの中間プロンプトを生成する。 複数のデータセットと設定で実施された実験は、最先端のベースラインと比較して、IA-GPLの優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-11-26T18:38:38Z)
• GraphReader: Building Graph-based Agent to Enhance Long-Context Abilities of Large Language Models [58.08177466768262]
  大規模言語モデル(LLM)では、複雑なロングコンテクストのタスクに対処するためには、ロングコンテクストの能力が不可欠である。 グラフをグラフに構造化し、エージェントを使ってグラフを自律的に探索することで、長いテキストを扱うように設計されたグラフベースのエージェントシステムであるGraphReaderを紹介する。 LV-Evalデータセットの実験結果によると、GraphReaderは4kコンテキストウィンドウを使用して、16kから256kまでのコンテキスト長で一貫してGPT-4-128kを上回っている。
  論文  参考訳（メタデータ） (2024-06-20T17:57:51Z)
• Graph Prompt Learning: A Comprehensive Survey and Beyond [24.64987655155218]
  本稿では,AGI(Artificial General Intelligence)におけるグラフプロンプトの出現領域に関する先駆的な調査を紹介する。 本稿では,グラフ領域におけるプロンプトトークン,トークン構造,挿入パターンを明確にし,グラフプロンプト学習を理解するための統一的なフレームワークを提案する。 包括的な分類学では、この分野の100以上の著作を分類し、ノードレベル、エッジレベル、グラフレベルの目的にまたがる事前学習タスクと整合させる。
  論文  参考訳（メタデータ） (2023-11-28T05:36:59Z)
• Visual In-Context Prompting [100.93587329049848]
  本稿では,オープンセットのセグメンテーションや検出といった視覚的タスクのためのユニバーサルな視覚的インコンテキストプロンプトフレームワークを提案する。 エンコーダ-デコーダアーキテクチャ上に構築し,ストロークやボックス,ポイントなど,さまざまなプロンプトをサポートする汎用的なプロンプトエンコーダを開発する。 広範にわたる調査の結果,提案した視覚的インコンテクストは,異常参照と汎用セグメンテーション機能を引き起こすことが示された。
  論文  参考訳（メタデータ） (2023-11-22T18:59:48Z)
• PRODIGY: Enabling In-context Learning Over Graphs [112.19056551153454]
  コンテキスト内学習(In-context learning)とは、事前訓練されたモデルが、新しい多様な下流タスクに適応する能力である。 ProDIGYは,グラフ上でのコンテキスト内学習を可能にする最初の事前学習フレームワークである。
  論文  参考訳（メタデータ） (2023-05-21T23:16:30Z)
• Momentum Decoding: Open-ended Text Generation As Graph Exploration [49.812280360794894]
  自動回帰言語モデル(LM)を用いたオープンエンドテキスト生成は、自然言語処理における中核的なタスクの1つである。 我々は、新しい視点から、すなわち、有向グラフ内の探索プロセスとして、オープンエンドテキスト生成を定式化する。 本稿では,新しい復号法であるtextitmomentum decodingを提案する。
  論文  参考訳（メタデータ） (2022-12-05T11:16:47Z)
• Interactive Visual Pattern Search on Graph Data via Graph Representation Learning [20.795511688640296]
  視覚分析システムGraphQは、ループ内、サンプルベース、サブグラフパターン検索をサポートする。 高速で対話的なクエリをサポートするために、グラフニューラルネットワーク(GNN)を使用して、グラフを固定長潜在ベクトル表現としてエンコードする。 また,NuroAlignと呼ばれるノードアライメントのための新しいGNNを提案し,クエリ結果の検証と解釈を容易にする。
  論文  参考訳（メタデータ） (2022-02-18T22:30:28Z)
• Interpretable Neural Computation for Real-World Compositional Visual Question Answering [4.3668650778541895]
  実世界の合成VQAのための解釈可能なフレームワークを構築した。 このフレームワークでは,画像や質問をシーングラフやプログラムに切り離し,その上でシンボルプログラムが実行され,注意領域を選択するための完全な透過性がある。 GQAベンチマークで行った実験により,本フレームワークはモノリシックなモノリシックなモノリシックなモノリシックなモノリシックなプリエントアーツと競争の精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-10-10T05:46:22Z)
• HyperBench: A Benchmark and Tool for Hypergraphs and Empirical Findings [8.37315177713779]
  我々は,ハイパーグラフの挿入,解析,検索を行うための分解ソフトウェアのリポジトリとワークベンチを開発した。 また,異なるCQおよびCSPコレクションから得られたハイパーグラフのベンチマークも開発した。 この新しいインフラで実施した実際の実験をいくつか紹介する。
  論文  参考訳（メタデータ） (2020-09-02T13:08:55Z)

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。