論文の概要: INODE: Building an End-to-End Data Exploration System in Practice
[Extended Vision]
- arxiv url: http://arxiv.org/abs/2104.04194v1
- Date: Fri, 9 Apr 2021 05:04:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-12 18:48:20.357919
- Title: INODE: Building an End-to-End Data Exploration System in Practice
[Extended Vision]
- Title(参考訳): inode: エンドツーエンドのデータ探索システムの構築 [extended vision]
- Authors: Sihem Amer-Yahia (2), Georgia Koutrika (1), Frederic Bastian (7),
Theofilos Belmpas (1), Martin Braschler (9), Ursin Brunner (9), Diego
Calvanese (8), Maximilian Fabricius (5), Orest Gkini (1), Catherine Kosten
(9), Davide Lanti (8), Antonis Litke (6), Hendrik L\"ucke-Tieke (3),
Francesco Alessandro Massucci (6), Tarcisio Mendes de Farias (7), Alessandro
Mosca (8), Francesco Multari (6), Nikolaos Papadakis (4), Dimitris
Papadopoulos (4), Yogendra Patil (2), Aur\'elien Personnaz (2), Guillem Rull
(6), Ana Sima (7), Ellery Smith (9), Dimitrios Skoutas (1), Srividya
Subramanian (5), Guohui Xiao (8), Kurt Stockinger (9) ((1) Athena Research
Center, Greece, (2) CNRS, University Grenoble Alpes, France, (3) Fraunhofer
IGD, Germany, (4) Infili, Greece, (5) Max Planck Institute, Germany, (6)
SIRIS Academic, Spain, (7) SIB Swiss Institute of Bioinformatics,
Switzerland, (8) Free University of Bozen-Bolzano, Italy, (9) ZHAW Zurich
University of Applied Sciences, Switzerland)
- Abstract要約: INODEはエンドツーエンドのデータ探索システムです。
私達は癌のバイオマーカーのReearch、研究および革新の方針の作成および天体物理学の分野の3つの重要な使用例でそれを実証します。
- 参考スコア(独自算出の注目度): 30.411996388471817
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A full-fledged data exploration system must combine different access
modalities with a powerful concept of guiding the user in the exploration
process, by being reactive and anticipative both for data discovery and for
data linking. Such systems are a real opportunity for our community to cater to
users with different domain and data science expertise. We introduce INODE --
an end-to-end data exploration system -- that leverages, on the one hand,
Machine Learning and, on the other hand, semantics for the purpose of Data
Management (DM). Our vision is to develop a classic unified, comprehensive
platform that provides extensive access to open datasets, and we demonstrate it
in three significant use cases in the fields of Cancer Biomarker Reearch,
Research and Innovation Policy Making, and Astrophysics. INODE offers
sustainable services in (a) data modeling and linking, (b) integrated query
processing using natural language, (c) guidance, and (d) data exploration
through visualization, thus facilitating the user in discovering new insights.
We demonstrate that our system is uniquely accessible to a wide range of users
from larger scientific communities to the public. Finally, we briefly
illustrate how this work paves the way for new research opportunities in DM.
- Abstract(参考訳): 本格的なデータ探索システムは、異なるアクセスモダリティと、データディスカバリとデータリンクの両方に対してリアクティブで予測可能な、探索プロセスのユーザを導く強力な概念を組み合わせる必要がある。
このようなシステムは、私たちのコミュニティにとって、異なるドメインとデータサイエンスの専門知識を持つユーザに届ける本当の機会です。
我々は、エンドツーエンドのデータ探索システムであるinodeを紹介し、一方、機械学習と、他方で、データ管理(dm)の目的のためのセマンティクスを活用する。
私たちのビジョンは、オープンデータセットへの広範なアクセスを提供する古典的な統一的で包括的なプラットフォームを開発することです。
inodeは、(a)データモデリングとリンク、(b)自然言語を使った統合クエリ処理、(c)ガイダンス、および(d)視覚化によるデータ探索において持続可能なサービスを提供する。
我々は,我々のシステムが,より大きな科学コミュニティから一般市民まで,幅広いユーザに対してユニークなアクセス性を持つことを実証する。
最後に、この研究がDMの新しい研究機会の道のりをいかに拓くかを簡単に説明する。
関連論文リスト
- Data-driven Discovery with Large Generative Models [47.324203863823335]
このポジションペーパーは、機械学習(ML)コミュニティに、大規模生成モデル(LGM)の能力を活用するよう促す。
我々は、LGMが理想的なデータ駆動探索システムのために、どのようにいくつかのデシラタを満たすかを実証する。
我々は,フィードバック機構によるアクティブなユーザモデレーションとともに,フェールプロテクションツールの統合を提唱する。
論文 参考訳(メタデータ) (2024-02-21T08:26:43Z) - Large Language Models for Generative Information Extraction: A Survey [93.28676955662002]
情報抽出は、平易な自然言語テキストから構造的知識を抽出することを目的としている。
生成型大規模言語モデル(LLM)は、テキストの理解と生成において顕著な能力を示した。
LLMは生成パラダイムに基づいたIEタスクに対して実行可能なソリューションを提供する。
論文 参考訳(メタデータ) (2023-12-29T14:25:22Z) - Capture the Flag: Uncovering Data Insights with Large Language Models [90.47038584812925]
本研究では,Large Language Models (LLMs) を用いてデータの洞察の発見を自動化する可能性について検討する。
そこで本稿では,データセット内の意味的かつ関連する情報(フラグ)を識別する能力を測定するために,フラグを捕捉する原理に基づく新しい評価手法を提案する。
論文 参考訳(メタデータ) (2023-12-21T14:20:06Z) - Conversational Data Exploration: A Game-Changer for Designing Data
Science Pipelines [3.63971675629768]
本稿では,直感的なデータ探索体験を駆動するためのシステムChatinによる対話型アプローチを提案する。
Chatinは、AI駆動ソリューションへのアクセスを民主化する最先端のツールで、さまざまな分野の非技術ユーザに対して、データの探索と知識の抽出を可能にする。
論文 参考訳(メタデータ) (2023-11-12T00:22:09Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳(メタデータ) (2023-09-27T14:38:16Z) - SGED: A Benchmark dataset for Performance Evaluation of Spiking Gesture
Emotion Recognition [12.396844568607522]
我々は、既存のデータセットの分析に基づいて、新しい同質なマルチモーダルジェスチャー感情認識データセットをラベル付けする。
本稿では,このデータセットに基づく擬似二重フローネットワークを提案し,このデータセットの適用可能性を検証する。
論文 参考訳(メタデータ) (2023-04-28T09:32:09Z) - Learn to Explore: on Bootstrapping Interactive Data Exploration with
Meta-learning [8.92180350317399]
本稿ではメタ学習に基づく学習から発見までのフレームワークを提案し,メタタスクを自動生成した分類器の学習方法を学習する。
提案手法は,精度と効率の点で既存探索法よりも優れている。
論文 参考訳(メタデータ) (2022-12-07T03:12:41Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳(メタデータ) (2022-09-28T18:51:59Z) - Retrieval-Enhanced Machine Learning [110.5237983180089]
本稿では,いくつかの既存モデルを含む汎用的な検索強化機械学習フレームワークについて述べる。
REMLは情報検索の慣例に挑戦し、最適化を含む中核領域における新たな進歩の機会を提示している。
REMLリサーチアジェンダは、情報アクセス研究の新しいスタイルの基礎を築き、機械学習と人工知能の進歩への道を開く。
論文 参考訳(メタデータ) (2022-05-02T21:42:45Z) - A Common Operating Picture Framework Leveraging Data Fusion and Deep
Learning [0.7348448478819135]
本稿では,処理,爆発,拡散のソリューションを高速化するためのデータ融合フレームワークを提案する。
私たちのプラットフォームは、ディープラーニングやその他の処理手段を活用することで、複数のデータソースから情報を抽出するサービスの集合体です。
最初のイテレーションでは、ビジュアルデータ(FMV, WAMI, CCTV/PTZ-Cameras, オープンソースビデオなど)とAISデータストリーム(衛星と地上ソース)に焦点を当てました。
論文 参考訳(メタデータ) (2020-01-16T18:32:19Z)
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。