論文の概要: Melody: A Platform for Linked Open Data Visualisation and Curated Storytelling

• arxiv url: http://arxiv.org/abs/2306.14832v1
• Date: Mon, 26 Jun 2023 16:39:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 18:55:42.666790
• Title: Melody: A Platform for Linked Open Data Visualisation and Curated Storytelling
• Title（参考訳）: Melody: リンクしたオープンデータビジュアライゼーションとストーリーテリングのためのプラットフォーム
• Authors: Giulia Renda (1), Marilena Daquino (1), Valentina Presutti (1) ((1) University of Bologna)
• Abstract要約: MELODYはLinked Open Dataに基づいたデータストーリーをオーサリングするためのWebインターフェースである。 データの普及が不可欠であるプロジェクトにおいて、その潜在的影響を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data visualisation and storytelling techniques help experts highlight relations between data and share complex information with a broad audience. However, existing solutions targeted to Linked Open Data visualisation have several restrictions and lack the narrative element. In this article we present MELODY, a web interface for authoring data stories based on Linked Open Data. MELODY has been designed using a novel methodology that harmonises existing Ontology Design and User Experience methodologies (eXtreme Design and Design Thinking), and provides reusable User Interface components to create and publish web-ready article-alike documents based on data retrievable from any SPARQL endpoint. We evaluate the software by comparing it with existing solutions, and we show its potential impact in projects where data dissemination is crucial.
• Abstract（参考訳）: データビジュアライゼーションとストーリーテリング技術は、専門家がデータ間の関係を強調し、広範囲の聴衆と複雑な情報を共有するのに役立つ。 しかしながら、linked open dataの視覚化を目的とした既存のソリューションには、いくつかの制限とナラティブ要素の欠如がある。 本稿では、Linked Open Dataに基づくデータストーリーのオーサリングのためのWebインターフェースであるMELODYを紹介する。 MELODYは、既存のオントロジー設計とユーザエクスペリエンス方法論(eXtreme Design and Design Thinking)を調和させる新しい方法論を使用して設計されており、任意のSPARQLエンドポイントから取得可能なデータに基づいて、Web可読な記事ライクなドキュメントを作成および公開するための再利用可能なユーザインターフェースコンポーネントを提供する。 ソフトウェアを既存のソリューションと比較することで評価し、データの拡散が不可欠であるプロジェクトでその潜在的な影響を示す。

関連論文リスト

• Web-Scale Visual Entity Recognition: An LLM-Driven Data Approach [56.55633052479446]
  Webスケールのビジュアルエンティティ認識は、クリーンで大規模なトレーニングデータがないため、重大な課題を呈している。 本稿では,ラベル検証,メタデータ生成,合理性説明に多モーダル大言語モデル(LLM)を活用することによって,そのようなデータセットをキュレートする新しい手法を提案する。 実験により、この自動キュレートされたデータに基づいてトレーニングされたモデルは、Webスケールの視覚的エンティティ認識タスクで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2024-10-31T06:55:24Z)
• Document Parsing Unveiled: Techniques, Challenges, and Prospects for Structured Information Extraction [23.47150047875133]
  文書解析は、構造化されていない文書と半構造化された文書を機械可読データに変換するのに不可欠である。 文書解析は知識ベースの構築とトレーニングデータ生成において不可欠である。 本稿では,モジュール型文書解析システムと複雑なレイアウト処理における視覚言語モデルが直面する課題について論じる。
  論文  参考訳（メタデータ） (2024-10-28T16:11:35Z)
• infoVerse: A Universal Framework for Dataset Characterization with Multidimensional Meta-information [68.76707843019886]
  infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。 infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。 実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2023-05-30T18:12:48Z)
• Federated Learning over Harmonized Data Silos [0.7106986689736825]
  Federated Learning(フェデレートラーニング)は、地理的に分散したデータサイロがデータを共有せずに共同で機械学習モデルを学習することを可能にする、分散機械学習アプローチである。 本稿では,データ調和とデータ計算の重要なステップを取り入れた,エンドツーエンドのフェデレーション学習統合システムのためのアーキテクチャビジョンを提案する。
  論文  参考訳（メタデータ） (2023-05-15T19:55:51Z)
• Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
  文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。 我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。 提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-03-23T08:21:16Z)
• Mephisto: A Framework for Portable, Reproducible, and Iterative Crowdsourcing [9.145761713343303]
  私たちは、研究のためのクラウドソーシングをより再現可能で透明で協力的なフレームワークであるMephistoを紹介します。 Mephistoは幅広いタスク設計とデータ収集をカバーする抽象化を提供し、ベストプラクティスを簡単にデフォルトにするためのシンプルなユーザエクスペリエンスを提供する。
  論文  参考訳（メタデータ） (2023-01-12T17:14:51Z)
• A Multi-Format Transfer Learning Model for Event Argument Extraction via Variational Information Bottleneck [68.61583160269664]
  イベント引数抽出(EAE)は、テキストから所定の役割を持つ引数を抽出することを目的としている。 変動情報のボトルネックを考慮したマルチフォーマット変換学習モデルを提案する。 3つのベンチマークデータセットに対して広範な実験を行い、EAE上での新たな最先端性能を得る。
  論文  参考訳（メタデータ） (2022-08-27T13:52:01Z)
• Layout-Aware Information Extraction for Document-Grounded Dialogue: Dataset, Method and Demonstration [75.47708732473586]
  視覚的にリッチな文書から構造的知識と意味的知識の両方を抽出するためのレイアウト対応文書レベル情報抽出データセット(LIE)を提案する。 LIEには製品および公式文書の4,061ページから3つの抽出タスクの62kアノテーションが含まれている。 実験の結果、レイアウトはVRDベースの抽出に不可欠であることが示され、システムデモでは、抽出された知識が、ユーザが関心を持っている答えを見つけるのに役立つことも確認されている。
  論文  参考訳（メタデータ） (2022-07-14T07:59:45Z)
• Documenting Data Production Processes: A Participatory Approach for Data Work [4.811554861191618]
  機械学習データの不透明さは 倫理的なデータ処理と 知的なシステムにとって 重大な脅威です これまでの研究では、データセットを文書化するための標準化されたチェックリストが提案されている。 本稿では,データセットのドキュメンテーションからデータ生成のドキュメンテーションへの視点転換を提案する。
  論文  参考訳（メタデータ） (2022-07-11T15:39:02Z)
• iFacetSum: Coreference-based Interactive Faceted Summarization for Multi-Document Exploration [63.272359227081836]
  iFacetSumは、インタラクティブな要約と顔検索を統合している。 微粒なファセットは、クロスドキュメントのコア参照パイプラインに基づいて自動的に生成される。
  論文  参考訳（メタデータ） (2021-09-23T20:01:11Z)
• docExtractor: An off-the-shelf historical document element extraction [18.828438308738495]
  文献からテキストやイラストなどの視覚的要素を抽出する汎用的手法である docExtractor を提案する。 さまざまなデータセットにまたがるオフザシェルフシステムとして,高品質なパフォーマンスを提供することを実証する。 IlluHisDocと呼ばれる新しい公開データセットを導入し、歴史文書におけるイラストのセグメンテーションを詳細に評価する。
  論文  参考訳（メタデータ） (2020-12-15T10:19:18Z)

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。