論文の概要: A Use Case-Engineering Resources Taxonomy for Analytical Spreadsheet
Models
- arxiv url: http://arxiv.org/abs/2309.00104v1
- Date: Thu, 31 Aug 2023 19:49:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 11:45:42.411717
- Title: A Use Case-Engineering Resources Taxonomy for Analytical Spreadsheet
Models
- Title(参考訳): 分析スプレッドシートモデルのための事例工学的資源分類
- Authors: Thomas A. Grossman and Vijay Mehrotra
- Abstract要約: 本稿では,解析的スプレッドシートモデルのための分類法を提案する。
スプレッドシートが機能することを意図したユースケースと、その開発に費やされるエンジニアリングリソースの両方を考慮する。
- 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: This paper presents a taxonomy for analytical spreadsheet models. It
considers both the use case that a spreadsheet is meant to serve, and the
engineering resources devoted to its development. We extend a previous
three-type taxonomy, to identify nine types of spreadsheet models, that
encompass the many analytical spreadsheet models seen in the literature. We
connect disparate research literature to distinguish between an "analytical
solution" and an "industrial-quality analytical spreadsheet model". We explore
the nature of each of the nine types, propose definitions for some, relate them
to the literature, and hypothesize on how they might arise. The taxonomy aids
in identifying where various spreadsheet development guidelines are most
useful, provides a lens for viewing spreadsheet errors and risk, and offers a
structure for understanding how spreadsheets change over time. This taxonomy
opens the door to many interesting research questions, including refinements to
itself.
- Abstract(参考訳): 本稿では,分析表計算モデルの分類法を提案する。
スプレッドシートが機能することを意図したユースケースと、その開発に費やされるエンジニアリングリソースの両方を考慮する。
文献に見られる多くの分析的スプレッドシートモデルを含む9種類のスプレッドシートモデルを特定するために,従来の3種類の分類法を拡張した。
分析的解法」と「産業品質分析表計算モデル」を区別するために異なる研究文献を結びつける。
9つのタイプのそれぞれの性質を探求し、いくつかの定義を提案し、それらと文学を関連づけ、それらがどのように起こるか仮説を立てる。
分類学は、スプレッドシート開発ガイドラインの最も有用な場所を特定するのに役立ち、スプレッドシートのエラーやリスクを見るためのレンズを提供し、スプレッドシートの経時変化を理解するための構造を提供する。
この分類学は、改良を含む多くの興味深い研究課題の扉を開く。
関連論文リスト
- Adaptive Modelling Approach for Row-Type Dependent Predictive Analysis
(RTDPA): A Framework for Designing Machine Learning Models for Credit Risk
Analysis in Banking Sector [0.0]
行型依存型予測分析(RTDPA)のための適応モデリング手法を提案する。
我々のフレームワークは、単一のデータセット内で多様な行タイプを効果的に処理できるモデルの開発を可能にします。
以上の結果から, 予測手法の精度は90%以下であることが示唆された。
論文 参考訳(メタデータ) (2023-11-17T07:49:32Z) - Observatory: Characterizing Embeddings of Relational Tables [15.808819332614712]
研究者や実践者は、多くの新しいアプリケーションコンテキストにおいて、言語とテーブルの埋め込みモデルを活用することに熱心です。
下流利用における非効率性と失敗を最小限に抑えるために、これらのモデルの包括的な理解を得る必要がある。
本研究では,関係表の埋め込み表現を体系的に解析する公式なフレームワークであるObservatoryを提案する。
論文 参考訳(メタデータ) (2023-10-05T00:58:45Z) - Resources for Brewing BEIR: Reproducible Reference Models and an
Official Leaderboard [47.73060223236792]
BEIRは18種類のドメイン/タスクの組み合わせで情報検索モデルを評価するためのベンチマークデータセットである。
我々の研究は、ベンチマークが完全な潜在能力を達成できない2つの欠点に対処しています。
論文 参考訳(メタデータ) (2023-06-13T00:26:18Z) - Schema-Driven Information Extraction from Heterogeneous Tables [30.302982262763447]
本稿では、機械学習論文、化学文献、材料科学雑誌、ウェブページの4つの分野のテーブルからなるベンチマークを示す。
我々の実験は、タスク固有のパイプラインやラベルを必要とせずに、驚くほど競争力のあるパフォーマンスが達成できることを示した。
論文 参考訳(メタデータ) (2023-05-23T17:58:10Z) - Investigating Failures to Generalize for Coreference Resolution Models [93.95952368743919]
本稿では,現在のコア参照解決モデルの誤差が,データセット間での運用方法の相違にどの程度関連しているかを検討する。
具体的には、モデル性能をいくつかのタイプのコア参照に対応するカテゴリに分け、分解する。
このブレークダウンは、異なるコア参照タイプをまたいだ一般化能力において、最先端モデルがどのように異なるかを調べるのに役立ちます。
論文 参考訳(メタデータ) (2023-03-16T05:32:02Z) - Probing Taxonomic and Thematic Embeddings for Taxonomic Information [2.9874726192215157]
分類学的および主題的関連性をモデル化することは、包括的な自然言語理解を持つAIを構築する上で重要である。
我々は,新しいハイポニム・ハイポニム探索タスクを設計し,分類学およびテーマSGNSとGloVeの埋め込みに関する比較調査を行う。
両種類の埋め込みがいくつかの分類情報をエンコードしていることを示す実験は、エンコーダアーキテクチャと埋め込み訓練データの両方に独立して関係している。
論文 参考訳(メタデータ) (2023-01-25T15:59:26Z) - A Survey of Knowledge Graph Reasoning on Graph Types: Static, Dynamic,
and Multimodal [57.8455911689554]
知識グラフ推論(KGR)は、知識グラフに基づくマイニング論理則に基づいて、既存の事実から新しい事実を推論することを目的としている。
質問応答やレコメンデーションシステムなど、多くのAIアプリケーションでKGを使うことに大きなメリットがあることが証明されている。
論文 参考訳(メタデータ) (2022-12-12T08:40:04Z) - Data augmentation on graphs for table type classification [1.1859913430860336]
グラフニューラルネットワークを用いてテーブルの分類を行い、使用中のメッセージパッシングアルゴリズムのテーブル構造を利用する。
我々は,グラフベースの表表現に適したデータ拡張手法を提案することで,有望な予備結果を実現する。
論文 参考訳(メタデータ) (2022-08-23T21:54:46Z) - SpreadsheetCoder: Formula Prediction from Semi-structured Context [70.41579328458116]
行ベースと列ベースの両方のフォーマットで表されるコンテキストを表現するために,BERTベースのモデルアーキテクチャを提案する。
我々はスプレッドシートの大きなデータセットでモデルをトレーニングし、SpreadsheetCoderが42.51%の予測精度でトップ1の予測を達成できることを実証した。
ルールベースのシステムと比較すると、SpreadsheetCoder 82%は、Google Sheetsで公式を作成する上で、より多くのユーザを支援する。
論文 参考訳(メタデータ) (2021-06-26T11:26:27Z) - A Graph Representation of Semi-structured Data for Web Question
Answering [96.46484690047491]
本稿では、半構造化データとそれらの関係の構成要素の体系的分類に基づいて、Webテーブルとリストのグラフ表現を提案する。
本手法は,最先端のベースラインに対してF1スコアを3.90ポイント向上させる。
論文 参考訳(メタデータ) (2020-10-14T04:01:54Z) - Explainable Matrix -- Visualization for Global and Local
Interpretability of Random Forest Classification Ensembles [78.6363825307044]
本研究では,ランダムフォレスト (RF) 解釈のための新しい可視化手法である Explainable Matrix (ExMatrix) を提案する。
単純なマトリックスのようなメタファで、行はルール、列は特徴、セルはルールを述語する。
ExMatrixの適用性は、異なる例を通じて確認され、RFモデルの解釈可能性を促進するために実際にどのように使用できるかを示している。
論文 参考訳(メタデータ) (2020-05-08T21:03:48Z)
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。