論文の概要: P6: A Declarative Language for Integrating Machine Learning in Visual
Analytics
- arxiv url: http://arxiv.org/abs/2009.01399v1
- Date: Thu, 3 Sep 2020 00:58:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-22 08:17:27.741666
- Title: P6: A Declarative Language for Integrating Machine Learning in Visual
Analytics
- Title(参考訳): P6: Visual Analyticsで機械学習を統合する宣言型言語
- Authors: Jianping Kelvin Li and Kwan-Liu Ma
- Abstract要約: 本稿では,高性能なビジュアル分析システムを構築するための宣言型言語であるP6を紹介する。
ビジュアル分析のための宣言型言語を提供することで、より多くの開発者が機械学習と視覚化メソッドを組み合わせたアプリケーションを開発することができる。
- 参考スコア(独自算出の注目度): 30.8693417274166
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present P6, a declarative language for building high performance visual
analytics systems through its support for specifying and integrating machine
learning and interactive visualization methods. As data analysis methods based
on machine learning and artificial intelligence continue to advance, a visual
analytics solution can leverage these methods for better exploiting large and
complex data. However, integrating machine learning methods with interactive
visual analysis is challenging. Existing declarative programming libraries and
toolkits for visualization lack support for coupling machine learning methods.
By providing a declarative language for visual analytics, P6 can empower more
developers to create visual analytics applications that combine machine
learning and visualization methods for data analysis and problem solving.
Through a variety of example applications, we demonstrate P6's capabilities and
show the benefits of using declarative specifications to build visual analytics
systems. We also identify and discuss the research opportunities and challenges
for declarative visual analytics.
- Abstract(参考訳): 本稿では、機械学習とインタラクティブな視覚化手法の特定と統合をサポートすることにより、高性能なビジュアル分析システムを構築するための宣言型言語p6を提案する。
機械学習と人工知能に基づくデータ分析手法が進歩を続ける中、視覚分析ソリューションはこれらの手法を利用して、大規模で複雑なデータをうまく活用することができる。
しかし,インタラクティブなビジュアル解析と機械学習手法の統合は困難である。
既存の宣言型プログラミングライブラリと視覚化用のツールキットには、結合機械学習メソッドのサポートがない。
ビジュアル分析のための宣言型言語を提供することで、P6はより多くの開発者が、データ分析と問題解決のための機械学習と視覚化メソッドを組み合わせたビジュアル分析アプリケーションを作成することができる。
様々なサンプルアプリケーションを通じて、p6の機能を実証し、宣言的仕様を使ってビジュアル分析システムを構築する利点を示す。
また、宣言的視覚分析研究の機会と課題を特定し、議論する。
関連論文リスト
- Intelligent Canvas: Enabling Design-Like Exploratory Visual Data
Analysis with Generative AI through Rapid Prototyping, Iteration and Curation [5.620580107652292]
我々は、生成AIをデータ分析に組み込んだ「デザインライクな」インテリジェントキャンバス環境を導入する。
私たちの2つのコントリビューションには、生成可能なAIコンポーネントをキャンバスインターフェースに統合することや、ユーザスタディからの経験的な発見が含まれています。
論文 参考訳(メタデータ) (2024-02-13T21:33:12Z) - CLOVA: A Closed-Loop Visual Assistant with Tool Usage and Update [73.08470271514605]
この制限に対処するクローズドループビジュアルアシスタントであるCLOVAを提案する。
推論中、LLMはプログラムを生成し、与えられたタスクを達成するための対応するツールを実行する。
リフレクションフェーズではマルチモーダルなグローバルローカルリフレクション方式を導入し、どのツールを更新する必要があるかを分析する。
学習フェーズは3つのフレキシブルな方法でトレーニングデータをリアルタイムで収集し、ツールを更新するための新しいプロンプトチューニングスキームを導入する。
論文 参考訳(メタデータ) (2023-12-18T03:34:07Z) - SINC: Self-Supervised In-Context Learning for Vision-Language Tasks [64.44336003123102]
大規模言語モデルにおけるコンテキスト内学習を実現するためのフレームワークを提案する。
メタモデルは、カスタマイズされたデモからなる自己教師型プロンプトで学ぶことができる。
実験の結果、SINCは様々な視覚言語タスクにおいて勾配に基づく手法よりも優れていた。
論文 参考訳(メタデータ) (2023-07-15T08:33:08Z) - GPT4Graph: Can Large Language Models Understand Graph Structured Data ?
An Empirical Evaluation and Benchmarking [17.7473474499538]
ChatGPTのような大規模言語モデルは、人工知能にとって欠かせないものとなっている。
本研究では,グラフデータの解釈において,LLMの精度を評価するための調査を行う。
この知見は,言語モデルとグラフ理解のギャップを埋めるための貴重な洞察に寄与する。
論文 参考訳(メタデータ) (2023-05-24T11:53:19Z) - Demonstration of InsightPilot: An LLM-Empowered Automated Data
Exploration System [48.62158108517576]
本稿では,データ探索プロセスの簡略化を目的とした自動データ探索システムであるInsightPilotを紹介する。
InsightPilotは、理解、要約、説明などの適切な分析意図を自動的に選択する。
簡単に言うと、IQueryはデータ分析操作の抽象化と自動化であり、データアナリストのアプローチを模倣しています。
論文 参考訳(メタデータ) (2023-04-02T07:27:49Z) - An Empirical Investigation of Representation Learning for Imitation [76.48784376425911]
視覚、強化学習、NLPにおける最近の研究は、補助的な表現学習の目的が、高価なタスク固有の大量のデータの必要性を減らすことを示している。
本稿では,表現学習アルゴリズムを構築するためのモジュラーフレームワークを提案する。
論文 参考訳(メタデータ) (2022-05-16T11:23:42Z) - SOCIOFILLMORE: A Tool for Discovering Perspectives [10.189255026322996]
SOCIOFILLMOREは、テキストがイベントを描写する際に表現する視点をフォアに導くのに役立つツールである。
我々のツールは、人間の判断を大量に集めることで、理論的にはフレームのセマンティクスと認知言語学に基礎を置いています。
論文 参考訳(メタデータ) (2022-03-07T14:42:22Z) - Visualization Techniques to Enhance Automated Event Extraction [0.0]
このケーススタディでは,NLPを用いたニュース記事から,国家主導による大量殺人の潜在的な引き金を探究する。
可視化は、生データの探索分析から機械学習トレーニング分析、最後に推論後の検証に至るまで、各段階でどのように役立つかを実証する。
論文 参考訳(メタデータ) (2021-06-11T19:24:54Z) - Leam: An Interactive System for In-situ Visual Text Analysis [0.6445605125467573]
Leamは、計算ノート、スプレッドシート、可視化ツールの利点を組み合わせることで、テキスト解析プロセスを単一の連続体として扱うシステムである。
本稿では,Leam開発における現在の進歩を報告するとともに,その有用性を実例で示す。
論文 参考訳(メタデータ) (2020-09-08T05:18:29Z) - Object Relational Graph with Teacher-Recommended Learning for Video
Captioning [92.48299156867664]
本稿では,新しいモデルと効果的なトレーニング戦略の両方を含む完全なビデオキャプションシステムを提案する。
具体的には,オブジェクトリレーショナルグラフ(ORG)に基づくエンコーダを提案する。
一方,教師推薦学習(TRL)手法を設計し,成功した外部言語モデル(ELM)をフル活用し,豊富な言語知識をキャプションモデルに統合する。
論文 参考訳(メタデータ) (2020-02-26T15:34:52Z)
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。