Fugu-MT 論文翻訳(概要): SDRDPy: An application to graphically visualize the knowledge obtained with supervised descriptive rule algorithms

論文の概要: SDRDPy: An application to graphically visualize the knowledge obtained with supervised descriptive rule algorithms

arxiv url: http://arxiv.org/abs/2401.17783v1
Date: Wed, 31 Jan 2024 12:26:59 GMT
ステータス: 処理完了
システム内更新日: 2024-02-01 14:38:15.767421
Title: SDRDPy: An application to graphically visualize the knowledge obtained with supervised descriptive rule algorithms
Title（参考訳）: SDRDPy:教師付き記述規則アルゴリズムで得られた知識をグラフィカルに視覚化するアプリケーション
Authors: M.A. Padilla-Rascon, P. Gonzalez, C.J. Carmona
Abstract要約: このアプリケーションは、アルゴリズムが実行されたツールにかかわらず、データセットの関連情報とルール、データ、および各ルールに関連する品質対策との関係を示すデータの分析を提供することができる。すべての情報は、専門家分析と異なるフォーマットでのレポートのエクスポートを容易にするために、ユーザフレンドリーなアプリケーションで表示されます。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: SDRDPy is a desktop application that allows experts an intuitive graphic and tabular representation of the knowledge extracted by any supervised descriptive rule discovery algorithm. The application is able to provide an analysis of the data showing the relevant information of the data set and the relationship between the rules, data and the quality measures associated for each rule regardless of the tool where algorithm has been executed. All of the information is presented in a user-friendly application in order to facilitate expert analysis and also the exportation of reports in different formats.
Abstract（参考訳）: SDRDPyは、専門家が教師付き記述型ルール発見アルゴリズムによって抽出された知識の直感的なグラフィックおよび表象表現を可能にするデスクトップアプリケーションである。このアプリケーションは、アルゴリズムが実行されたツールにかかわらず、データセットの関連情報とルール、データ、および各ルールに関連する品質対策との関係を示すデータの分析を提供することができる。すべての情報は、専門家分析と異なるフォーマットのレポートのエクスポートを容易にするために、ユーザフレンドリーなアプリケーションで提示されます。

関連論文リスト

Discovering Common Information in Multi-view Data [35.37807004353416]
多視点データから共通情報を計算するための革新的で数学的に厳密な定義を導入する。我々は,共通情報と一意情報の両方を捉えるために,教師付き多視点学習フレームワークを開発した。
論文参考訳（メタデータ） (2024-06-21T10:47:06Z)
VERA: Generating Visual Explanations of Two-Dimensional Embeddings via Region Annotation [0.0]
Visual Explanations via Region (VERA) は2次元埋め込みの視覚的説明を生成する自動埋め込みアノテーション手法である。 VERAは、埋め込み空間内の異なる領域を特徴付ける情報的説明を生成し、ユーザがその埋め込み風景を一目で概観することができる。実世界のデータセット上でのVERAの利用について説明するとともに,本手法の有効性を比較ユーザスタディで検証する。
論文参考訳（メタデータ） (2024-06-07T10:23:03Z)
Instruct and Extract: Instruction Tuning for On-Demand Information Extraction [86.29491354355356]
On-Demand Information extractは、現実世界のユーザのパーソナライズされた要求を満たすことを目的としている。 InstructIEというベンチマークを、自動生成したトレーニングデータと、人手による注釈付きテストセットの両方を含む形で提示する。 InstructIE 上に構築した On-Demand Information Extractor, ODIE をさらに発展させる。
論文参考訳（メタデータ） (2023-10-24T17:54:25Z)
StructChart: Perception, Structuring, Reasoning for Visual Chart Understanding [58.38480335579541]
現在のチャート関連タスクは、視覚チャートから情報を抽出することを参照するチャート認識か、抽出されたデータから推論を行うかに焦点を当てている。本稿では,共同認識と推論タスクのための統一的でラベル効率のよい学習パラダイムを確立することを目的とする。各種のチャート関連タスクで実験を行い、統合されたチャート認識推論パラダイムの有効性と有望な可能性を実証した。
論文参考訳（メタデータ） (2023-09-20T12:51:13Z)
Learning Representations without Compositional Assumptions [79.12273403390311]
本稿では,特徴集合をグラフノードとして表現し,それらの関係を学習可能なエッジとして表現することで,特徴集合の依存関係を学習するデータ駆動型アプローチを提案する。また,複数のビューから情報を動的に集約するために,より小さな潜在グラフを学習する新しい階層グラフオートエンコーダLEGATOを導入する。
論文参考訳（メタデータ） (2023-05-31T10:36:10Z)
ASTA: Learning Analytical Semantics over Tables for Intelligent Data Analysis and Visualization [32.06228510098419]
本稿では,ユーザ生成分析の背後にある共通分析パターンを明らかにするために,テーブル上の解析意味論を提案する。本稿では,ユーザ意図からデータ焦点を分離し,データと人間の視点からユーザモチベーションを抽出して分析意味論を設計する。また,知的テーブル分析を実証するために,初めて条件付きフォーマッティングを推奨するとともに,チャートレコメンデーションも提案する。
論文参考訳（メタデータ） (2022-08-01T13:32:36Z)
Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
論文参考訳（メタデータ） (2022-01-13T08:25:53Z)
Conditional Attention Networks for Distilling Knowledge Graphs in Recommendation [74.14009444678031]
本稿では,知識グラフをレコメンデーションシステムに組み込むために,知識対応コンディショナルアテンションネットワーク(KCAN)を提案する。本研究では,まず,ユーザ・イテムネットワークとナレッジグラフのグローバルな意味的類似性を捉えるノード表現を得る。そして,そのサブグラフに条件付きアテンションアグリゲーションを適用することで,その知識グラフを改良し,目標固有ノード表現を得る。
論文参考訳（メタデータ） (2021-11-03T09:40:43Z)
A Survey of Knowledge Graph Embedding and Their Applications [0.17205106391379024]
知識グラフの埋め込みにより、現実世界のアプリケーションが情報を消費してパフォーマンスを向上させることができる。本稿では、単純な翻訳モデルからリッチメントモデルへのKG埋め込みの分野の成長について紹介する。
論文参考訳（メタデータ） (2021-07-16T12:07:53Z)
ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文参考訳（メタデータ） (2020-04-30T14:16:19Z)

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。