論文の概要: Telling Stories from Computational Notebooks: AI-Assisted Presentation Slides Creation for Presenting Data Science Work

• arxiv url: http://arxiv.org/abs/2203.11085v1
• Date: Mon, 21 Mar 2022 16:06:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-22 19:21:09.507475
• Title: Telling Stories from Computational Notebooks: AI-Assisted Presentation Slides Creation for Presenting Data Science Work
• Title（参考訳）: 計算ノートから物語を伝える:AI支援プレゼンテーションスライドによるデータサイエンスワークの提示
• Authors: Chengbo Zheng, Dakuo Wang, April Yi Wang, Xiaojuan Ma
• Abstract要約: 本稿では,NB2SlidesというAIシステムについて述べる。 NB2Slidesはディープラーニング手法とサンプルベースのプロンプトを使用して、計算ノートブックからスライドを生成する。 また、スライドをノートブックにリンクして、ユーザーがスライドを編集するのに役立つインタラクティブな視覚化も提供する。
• 参考スコア（独自算出の注目度）: 47.558611855454195
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Creating presentation slides is a critical but time-consuming task for data scientists. While researchers have proposed many AI techniques to lift data scientists' burden on data preparation and model selection, few have targeted the presentation creation task. Based on the needs identified from a formative study, this paper presents NB2Slides, an AI system that facilitates users to compose presentations of their data science work. NB2Slides uses deep learning methods as well as example-based prompts to generate slides from computational notebooks, and take users' input (e.g., audience background) to structure the slides. NB2Slides also provides an interactive visualization that links the slides with the notebook to help users further edit the slides. A follow-up user evaluation with 12 data scientists shows that participants believed NB2Slides can improve efficiency and reduces the complexity of creating slides. Yet, participants questioned the future of full automation and suggested a human-AI collaboration paradigm.
• Abstract（参考訳）: プレゼンテーションスライドの作成は、データサイエンティストにとって重要な作業ですが、時間がかかります。 研究者はデータサイエンティストのデータ準備とモデル選択への負担を軽減するために多くのai技術を提案したが、プレゼンテーション作成タスクをターゲットにしたai技術はほとんどない。 そこで本論文では,NB2Slides(NB2Slides)という,データサイエンス作品のプレゼンテーション作成を支援するAIシステムについて述べる。 NB2Slidesはディープラーニング手法とサンプルベースのプロンプトを使用して、計算ノートブックからスライドを生成し、ユーザの入力(例えばオーディエンス背景)を使ってスライドを構成する。 nb2slidesは、スライドをノートブックにリンクして、さらにスライドを編集するインタラクティブなビジュアライゼーションも提供する。 12人のデータサイエンティストによるフォローアップユーザ評価では、nb2slideは効率を向上し、スライド作成の複雑さを低減できると信じられている。 しかし、参加者は完全な自動化の未来を疑問視し、人間とAIのコラボレーションパラダイムを提案した。

関連論文リスト

• DreamStruct: Understanding Slides and User Interfaces via Synthetic Data Generation [18.05133277269579]
  本稿では、コード生成を用いて、ターゲットラベルを用いた合成構造化ビジュアルを生成する方法を提案する。 提案手法では,ラベルを組み込んだデータセットを作成でき,人間に注釈を付けたサンプルを少数用意してモデルを訓練することができる。
  論文  参考訳（メタデータ） (2024-09-30T19:55:54Z)
• Data Formulator 2: Iteratively Creating Rich Visualizations with AI [65.48447317310442]
  これらの課題に対処するためのLCMを利用した可視化システムであるData Formulator 2を提案する。 Data Formulator 2では、ユーザはUIと自然言語をブレンドして視覚化の意図を記述し、データ変換はAIに委譲される。 イテレーションをサポートするため、Data Formulator 2では、ユーザがイテレーション履歴をナビゲートし、以前の設計を新しい設計に再利用することで、毎回スクラッチから始める必要がない。
  論文  参考訳（メタデータ） (2024-08-28T20:12:17Z)
• Evaluating Named Entity Recognition Using Few-Shot Prompting with Large Language Models [0.0]
  Few-Shot PromptingやIn-context Learningは、モデルが最小限の例でエンティティを認識できるようにする。 NERタスクにおけるGPT-4のような最先端モデルの評価を行い、その数ショットのパフォーマンスと完全に教師付きベンチマークを比較した。
  論文  参考訳（メタデータ） (2024-08-28T13:42:28Z)
• AUGUST: an Automatic Generation Understudy for Synthesizing Conversational Recommendation Datasets [56.052803235932686]
  本稿では,大規模かつ高品質なレコメンデーションダイアログを生成する新しい自動データセット合成手法を提案する。 i)従来のレコメンデーションデータセットからの豊富なパーソナライズされたユーザプロファイル、(ii)知識グラフからの豊富な外部知識、(iii)人間対人間会話レコメンデーションデータセットに含まれる会話能力。
  論文  参考訳（メタデータ） (2023-06-16T05:27:14Z)
• Interactive and Visual Prompt Engineering for Ad-hoc Task Adaptation with Large Language Models [116.25562358482962]
  最先端のニューラルネットワークモデルは、教師付きトレーニングを必要とせずに、アドホックな言語タスクを解決するために使用することができる。 PromptIDEを使えば、ユーザはプロンプトのバリエーションを試すことができ、プロンプトのパフォーマンスを視覚化し、反復的にプロンプトを最適化できる。
  論文  参考訳（メタデータ） (2022-08-16T17:17:53Z)
• D2S: Document-to-Slide Generation Via Query-Based Text Summarization [27.576875048631265]
  我々は、最近のNLPおよびMLカンファレンスの論文とそれに対応するスライドデッキからなる新しいデータセット、SciDuetをコントリビュートする。 第2に,文書からスライドまでのタスクに2段階のアプローチで取り組む新しいシステムD2Sを提案する。 私たちの評価は、長期形式のQAは、自動化されたROUGEメトリクスと定性的な人間評価の両方の最先端の要約ベースラインを上回ることを示唆しています。
  論文  参考訳（メタデータ） (2021-05-08T10:29:41Z)
• DOC2PPT: Automatic Presentation Slides Generation from Scientific Documents [76.19748112897177]
  文書・スライド生成のための新しい課題とアプローチを提案する。 エンドツーエンドでタスクに取り組むための階層的なシーケンス・ツー・シーケンスアプローチを提案する。 提案手法では,文書やスライド内の固有構造を利用して,パラフレーズとレイアウト予測モジュールを組み込んでスライドを生成する。
  論文  参考訳（メタデータ） (2021-01-28T03:21:17Z)
• Learning to Emphasize: Dataset and Shared Task Models for Selecting Emphasis in Presentation Slides [31.540208729354354]
  プレゼンテーションスライドで強力なリードワードを強調することで、聴衆はスライド全体を読むのではなく、特定の焦点に目を向けることができる。 この要求に動機づけられて、プレゼンテーションスライドにおける強調選択(ES)の問題を研究します。 クラウドソーシングされた設定で強調語で注釈付けされた、さまざまなトピックを備えたプレゼンテーションスライドを含む新しいデータセットを紹介します。
  論文  参考訳（メタデータ） (2021-01-02T06:54:55Z)
• Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
  本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。 我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。 利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-28T05:47:33Z)

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。