論文の概要: Mirror: A Natural Language Interface for Data Querying, Summarization,
and Visualization
- arxiv url: http://arxiv.org/abs/2303.08697v1
- Date: Wed, 15 Mar 2023 15:31:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-16 13:12:05.101576
- Title: Mirror: A Natural Language Interface for Data Querying, Summarization,
and Visualization
- Title（参考訳）: Mirror: データクエリ、要約、可視化のための自然言語インターフェース
- Authors: Canwen Xu and Julian McAuley and Penghan Wang
- Abstract要約: Mirrorは、大規模な言語モデルを活用したデータ探索と分析のためのオープンソースのプラットフォームである。
Mirrorはデータベースをクエリするための直感的な自然言語インターフェースを提供する。
Mirrorはまた、データの理解を容易にするために視覚化を生成する。
- 参考スコア（独自算出の注目度）: 11.807687905883895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present Mirror, an open-source platform for data exploration and analysis
powered by large language models. Mirror offers an intuitive natural language
interface for querying databases, and automatically generates executable SQL
commands to retrieve relevant data and summarize it in natural language. In
addition, users can preview and manually edit the generated SQL commands to
ensure the accuracy of their queries. Mirror also generates visualizations to
facilitate understanding of the data. Designed with flexibility and human input
in mind, Mirror is suitable for both experienced data analysts and
non-technical professionals looking to gain insights from their data.
- Abstract（参考訳）: 大規模言語モデルを活用したデータ探索と分析のためのオープンソースプラットフォームであるmirrorを提案する。
Mirrorはデータベースをクエリするための直感的な自然言語インターフェースを提供し、実行可能SQLコマンドを自動的に生成して関連するデータを取得し、自然言語で要約する。
さらに、生成されたsqlコマンドのプレビューと手作業による編集も可能で、クエリの正確性が保証される。
mirrorはデータの理解を容易にするためにビジュアライゼーションも生成する。
柔軟性と人間の入力を念頭に置いて設計されたmirrorは、経験豊富なデータアナリストと、データから洞察を得ようとする非技術専門家の両方に適している。
関連論文リスト
- Using Large Language Models to Generate Engaging Captions for Data
Visualizations [51.98253121636079]
大規模言語モデル(LLM)は、高度なディープラーニング技術を用いて人間のような散文を生成する。
主な課題は、プロンプトエンジニアリングと呼ばれるLLMの最も効果的なプロンプトを設計することである。
我々は,LLM GPT-3を用いた最初の実験について報告し,いくつかの有望な結果を得た。
論文 参考訳（メタデータ） (2022-12-27T23:56:57Z) - XRICL: Cross-lingual Retrieval-Augmented In-Context Learning for
Cross-lingual Text-to-SQL Semantic Parsing [70.40401197026925]
大規模言語モデルを用いたインコンテキスト学習は、最近セマンティック解析タスクの驚くべき結果を示している。
この研究は、あるクエリに対して関連する英語の例を検索する学習を行うXRICLフレームワークを導入している。
また、大規模言語モデルの翻訳プロセスを容易にするために、対象言語に対するグローバルな翻訳例も含んでいる。
論文 参考訳（メタデータ） (2022-10-25T01:33:49Z) - Augmenting Multi-Turn Text-to-SQL Datasets with Self-Play [46.07002748587857]
我々は、コンテキスト情報を活用して新しいインタラクションを合成するセルフプレイによるトレーニングデータセットの強化について検討する。
本研究では,SParCとCoという2つの広く使われているテキスト・ドメイン・データセットの強いベースラインの精度を向上させることを発見した。
論文 参考訳（メタデータ） (2022-10-21T16:40:07Z) - AskYourDB: An end-to-end system for querying and visualizing relational
databases using natural language [0.0]
複雑な自然言語をSQLに変換するという課題に対処する意味解析手法を提案する。
我々は、モデルが本番環境にデプロイされたときに重要な部分を占める様々な前処理と後処理のステップによって、最先端のモデルを修正した。
製品がビジネスで利用できるようにするために、クエリ結果に自動視覚化フレームワークを追加しました。
論文 参考訳（メタデータ） (2022-10-16T13:31:32Z) - xDBTagger: Explainable Natural Language Interface to Databases Using
Keyword Mappings and Schema Graph [0.17188280334580192]
自然言語クエリをインターフェース内の構造化クエリ言語(NLQ)にリレーショナルデータベースに変換することは、難しい作業である。
我々は xDBTagger を提案する。xDBTagger は説明可能なハイブリッド翻訳パイプラインで,ユーザがテキストと視覚の両方で行う決定について説明する。
xDBTaggerは精度の点で有効であり、クエリを最先端のパイプラインベースシステムと比較して最大10000倍の効率で変換する。
論文 参考訳（メタデータ） (2022-10-07T18:17:09Z) - Explaining Patterns in Data with Language Models via Interpretable
Autoprompting [143.4162028260874]
本稿では,データを説明する自然言語文字列を生成するアルゴリズムである,解釈可能なオートプロンプト(iPrompt)を提案する。
iPromptは、基盤となるデータセット記述を正確に見つけることで、意味のある洞察を得ることができる。
fMRIデータセットを用いた実験は、iPromptが科学的発見に役立つ可能性を示している。
論文 参考訳（メタデータ） (2022-10-04T18:32:14Z) - A Survey on Text-to-SQL Parsing: Concepts, Methods, and Future
Directions [102.8606542189429]
テキストからコーパスへのパースの目的は、自然言語(NL)質問をデータベースが提供するエビデンスに基づいて、対応する構造化クエリ言語()に変換することである。
ディープニューラルネットワークは、入力NL質問から出力クエリへのマッピング関数を自動的に学習するニューラルジェネレーションモデルによって、このタスクを大幅に進歩させた。
論文 参考訳（メタデータ） (2022-08-29T14:24:13Z) - Weakly Supervised Mapping of Natural Language to SQL through Question
Decomposition [39.32886310973576]
我々は、弱い監督力を用いて機械学習に基づくNLIDBを訓練するための代替手法を提案する。
我々は最近提案されたQDMR(QDMR)と呼ばれる質問分解表現を用いて、NL言語と形式的クエリ言語の間の中間となる。
専門家アノテーションが不要な私たちのソリューションは、専門家注釈付きデータに基づいてトレーニングされたモデルと競争的に機能します。
論文 参考訳（メタデータ） (2021-12-12T20:02:42Z) - "What Do You Mean by That?" A Parser-Independent Interactive Approach
for Enhancing Text-to-SQL [49.85635994436742]
ループ内に人間を包含し,複数質問を用いてユーザと対話する,新規非依存型対話型アプローチ(PIIA)を提案する。
PIIAは、シミュレーションと人的評価の両方を用いて、限られたインタラクションターンでテキストとドメインのパフォーマンスを向上させることができる。
論文 参考訳（メタデータ） (2020-11-09T02:14:33Z)
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。