論文の概要: Visual Diagrammatic Queries in ViziQuer: Overview and Implementation
- arxiv url: http://arxiv.org/abs/2304.14825v1
- Date: Thu, 27 Apr 2023 13:16:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 14:09:50.234043
- Title: Visual Diagrammatic Queries in ViziQuer: Overview and Implementation
- Title(参考訳): ViziQuerのビジュアルダイアグラム的クエリの概要と実装
- Authors: J\=ulija Ov\v{c}i\c{n}\c{n}ikiva, Agris \v{S}ostaks, K\=arlis
\v{C}er\=ans
- Abstract要約: ViziQuerは、リッチなデータクエリを記述する視覚的なダイアグラムを提供する、ビジュアルクエリ表記およびツールである。
本稿では,視覚図形クエリ表記法をテキストSPARQL言語にマッピング可能な概念的および技術的ソリューションについて述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knowledge graphs (KG) have become an important data organization paradigm.
The available textual query languages for information retrieval from KGs, as
SPARQL for RDF-structured data, do not provide means for involving
non-technical experts in the data access process. Visual query formalisms,
alongside form-based and natural language-based ones, offer means for easing
user involvement in the data querying process. ViziQuer is a visual query
notation and tool offering visual diagrammatic means for describing rich data
queries, involving optional and negation constructs, as well as aggregation and
subqueries. In this paper we review the visual ViziQuer notation from the
end-user point of view and describe the conceptual and technical solutions
(including abstract syntax model, followed by a generation model for textual
queries) that allow mapping of the visual diagrammatic query notation into the
textual SPARQL language, thus enabling the execution of rich visual queries
over the actual knowledge graphs. The described solutions demonstrate the
viability of the model-based approach in translating complex visual notation
into a complex textual one; they serve as semantics by implementation
description of the ViziQuer language and provide building blocks for further
services in the ViziQuer tool context.
- Abstract(参考訳): 知識グラフ(KG)は重要なデータ組織パラダイムとなっている。
KGから情報を取得するためのテキストクエリ言語、例えばRDF構造化データのためのSPARQLは、データアクセスプロセスに技術専門家を巻き込む手段を提供していない。
フォームベースと自然言語ベースのビジュアルクエリ形式は、データクエリプロセスへのユーザの関与を緩和する手段を提供する。
viziquerはリッチなデータクエリを記述するための視覚的なダイアグラム的な手段を提供する視覚的なクエリ表記とツールである。
本稿では,視覚的なビジケータ表記法をエンドユーザーの観点から検討し,概念的および技術的ソリューション(抽象構文モデルを含む,テキスト的クエリの生成モデルを含む)を記述し,視覚的なダイアグラム的クエリ表記法をテキスト的スパルプグラフ言語にマッピングすることにより,実際の知識グラフ上でリッチなビジュアルクエリを実行可能にする。
上記のソリューションは、複雑な視覚的表記を複雑なテキストに翻訳するモデルベースのアプローチの実行可能性を示しており、それらはviziquer言語の実装記述による意味論として機能し、viziquerツールコンテキストにおけるさらなるサービスのためのビルディングブロックを提供する。
関連論文リスト
- Prompt4Vis: Prompting Large Language Models with Example Mining and
Schema Filtering for Tabular Data Visualization [13.425454489560376]
本稿では,自然言語からデータビジュアライゼーションクエリを生成するフレームワークであるPrompt4Visを紹介する。
データビジュアライゼーションクエリを生成するためのテキスト・ツー・ビジュアリーに、インコンテキスト・ラーニングが導入される。
Prompt4Visは最先端(SOTA)のRGVisNetを約35.9%、開発とテストセットで71.3%上回っている。
論文 参考訳(メタデータ) (2024-01-29T10:23:47Z) - Syntax Tree Constrained Graph Network for Visual Question Answering [14.059645822205718]
Visual Question Answering (VQA)は、与えられた画像コンテンツに関連する自然言語の質問に自動的に答えることを目的としている。
本稿では、エンティティメッセージパッシングと構文木に基づくVQAのための新しい構文木制約グラフネットワーク(STCGN)を提案する。
次に、フレーズ認識型視覚エンティティのためのメッセージパッシング機構を設計し、与えられた視覚コンテキストに応じてエンティティ特徴をキャプチャする。
論文 参考訳(メタデータ) (2023-09-17T07:03:54Z) - Decomposing Complex Queries for Tip-of-the-tongue Retrieval [72.07449449115167]
複雑なクエリは、コンテンツ要素(例えば、書籍の文字やイベント)、ドキュメントテキスト以外の情報を記述する。
この検索設定は舌の先端 (TOT) と呼ばれ、クエリと文書テキスト間の語彙的および意味的重複に依存するモデルでは特に困難である。
クエリを個別のヒントに分解し、サブクエリとしてルーティングし、特定の検索者にルーティングし、結果をアンサンブルすることで、このような複雑なクエリを扱うための、シンプルで効果的なフレームワークを導入します。
論文 参考訳(メタデータ) (2023-05-24T11:43:40Z) - Let the Chart Spark: Embedding Semantic Context into Chart with
Text-to-Image Generative Model [7.587729429265939]
画像視覚化は、データとセマンティックコンテキストを視覚表現にシームレスに統合する。
本稿では,テキストから画像への生成モデルに基づく意味コンテキストをグラフに組み込む新しいシステムであるChartSparkを提案する。
本研究では,テキストアナライザ,編集モジュール,評価モジュールを統合したインタラクティブなビジュアルインタフェースを開発し,画像視覚化の生成,修正,評価を行う。
論文 参考訳(メタデータ) (2023-04-28T05:18:30Z) - Semantic Parsing for Conversational Question Answering over Knowledge
Graphs [63.939700311269156]
本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。
本稿では,2つの意味解析手法を提案し,その課題を強調した。
私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
論文 参考訳(メタデータ) (2023-01-28T14:45:11Z) - Improving Text-to-SQL Semantic Parsing with Fine-grained Query
Understanding [84.04706075621013]
トークンレベルのきめ細かいクエリ理解に基づく汎用的モジュール型ニューラルネットワーク解析フレームワークを提案する。
我々のフレームワークは、名前付きエンティティ認識(NER)、ニューラルエンティティリンカ(NEL)、ニューラルエンティティリンカ(NSP)の3つのモジュールから構成されている。
論文 参考訳(メタデータ) (2022-09-28T21:00:30Z) - Towards Complex Document Understanding By Discrete Reasoning [77.91722463958743]
VQA(Document Visual Question Answering)は、自然言語による質問に答えるために、視覚的に豊富なドキュメントを理解することを目的としている。
我々は3,067の文書ページと16,558の質問応答ペアからなる新しいドキュメントVQAデータセットTAT-DQAを紹介する。
我々は,テキスト,レイアウト,視覚画像など,多要素の情報を考慮に入れたMHSTという新しいモデルを開発し,異なるタイプの質問にインテリジェントに対処する。
論文 参考訳(メタデータ) (2022-07-25T01:43:19Z) - Graph Enhanced BERT for Query Understanding [55.90334539898102]
クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。
近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。
本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
論文 参考訳(メタデータ) (2022-04-03T16:50:30Z) - Tree-Augmented Cross-Modal Encoding for Complex-Query Video Retrieval [98.62404433761432]
インターネット上のユーザ生成ビデオの急速な増加により、テキストベースのビデオ検索システムの必要性が高まっている。
従来の手法は主に単純なクエリによる検索における概念に基づくパラダイムを好んでいる。
木を増設したクロスモーダルを提案する。
クエリの言語構造とビデオの時間表現を共同で学習する手法。
論文 参考訳(メタデータ) (2020-07-06T02:50:27Z) - Dependently Typed Knowledge Graphs [4.157595789003928]
本稿では,標準セマンティックWeb技術(RDFとそのクエリ言語SPARQL)を依存型理論と統一的に再現する方法を示す。
知識グラフの基本機能を提供するのに加えて、依存型はエンティティとクエリの両方をエンコードする表現力を与えます。
論文 参考訳(メタデータ) (2020-03-08T14:04:23Z)
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。