論文の概要: Auto-Formula: Recommend Formulas in Spreadsheets using Contrastive Learning for Table Representations

• arxiv url: http://arxiv.org/abs/2404.12608v1
• Date: Fri, 19 Apr 2024 03:28:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-22 16:15:12.886022
• Title: Auto-Formula: Recommend Formulas in Spreadsheets using Contrastive Learning for Table Representations
• Title（参考訳）: 表表現のコントラスト学習を用いたスプレッドシートにおける推奨式の自動形式化
• Authors: Sibei Chen, Yeye He, Weiwei Cui, Ju Fan, Song Ge, Haidong Zhang, Dongmei Zhang, Surajit Chaudhuri,
• Abstract要約: 我々は,ユーザがターゲットのスプレッドシートセルで書きたい公式を正確に予測するオートフォーミュラシステムを開発した。 コンピュータビジョンの「類似顔認識」にインスパイアされたコントラスト学習技術を用いている。
• 参考スコア（独自算出の注目度）: 36.2969566996675
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spreadsheets are widely recognized as the most popular end-user programming tools, which blend the power of formula-based computation, with an intuitive table-based interface. Today, spreadsheets are used by billions of users to manipulate tables, most of whom are neither database experts nor professional programmers. Despite the success of spreadsheets, authoring complex formulas remains challenging, as non-technical users need to look up and understand non-trivial formula syntax. To address this pain point, we leverage the observation that there is often an abundance of similar-looking spreadsheets in the same organization, which not only have similar data, but also share similar computation logic encoded as formulas. We develop an Auto-Formula system that can accurately predict formulas that users want to author in a target spreadsheet cell, by learning and adapting formulas that already exist in similar spreadsheets, using contrastive-learning techniques inspired by "similar-face recognition" from compute vision. Extensive evaluations on over 2K test formulas extracted from real enterprise spreadsheets show the effectiveness of Auto-Formula over alternatives. Our benchmark data is available at https://github.com/microsoft/Auto-Formula to facilitate future research.
• Abstract（参考訳）: スプレッドシートは、公式ベースの計算能力と直感的なテーブルベースのインタフェースを融合した、最も人気のあるエンドユーザープログラミングツールとして広く認識されている。 現在、スプレッドシートは数十億のユーザーがテーブルを操作するために利用しており、そのほとんどはデータベースの専門家でもプロのプログラマでもない。 スプレッドシートの成功にもかかわらず、非技術者のユーザは、非自明な公式構文を調べて理解する必要があるため、複雑な公式の作成は依然として困難である。 この痛点に対処するために、同じ組織に類似したスプレッドシートが多数存在するという観察を活用し、類似したデータを持つだけでなく、論理式として符号化された類似の計算ロジックを共有する。 我々は,コンピュータビジョンから「類似顔認識」にインスパイアされた対照的な学習技術を用いて,既に類似のスプレッドシートに存在する公式を学習し,適応させることにより,ユーザが対象のスプレッドシートセルで作成したい公式を正確に予測できるオートフォーミュラシステムを開発した。 実店舗のスプレッドシートから抽出した2K以上の試験式に対する広範囲な評価は、代替案に対するAuto-Formulaの有効性を示している。 ベンチマークデータはhttps://github.com/microsoft/Auto-Formulaで公開されています。

関連論文リスト

• SpreadsheetBench: Towards Challenging Real World Spreadsheet Manipulation [34.8332394229927]
  SpreadsheetBenchは,現在の大規模言語モデル(LLM)を,スプレッドシートユーザのワークフローにマージするように設計されている。 合成クエリと単純化されたスプレッドシートファイルに依存する既存のベンチマークとは異なり、SpreadsheetBenchはオンラインExcelフォーラムから収集された912の質問から作られている。 単一ラウンドおよび複数ラウンドの推論条件下での各種LLMの総合評価は,最先端モデル(SOTA)と人為的性能との間に大きなギャップがあることを示唆している。
  論文  参考訳（メタデータ） (2024-06-21T09:06:45Z)
• TableLLM: Enabling Tabular Data Manipulation by LLMs in Real Office Usage Scenarios [52.73289223176475]
  TableLLMは、13億のパラメータを持つ堅牢な大規模言語モデル(LLM)である。 TableLLMはデータ操作タスクを巧みに扱うために構築されている。 我々は、ユーザインタラクションのためのモデルチェックポイント、ソースコード、ベンチマーク、Webアプリケーションをリリースした。
  論文  参考訳（メタデータ） (2024-03-28T11:21:12Z)
• NL2Formula: Generating Spreadsheet Formulas from Natural Language Queries [29.33149993368329]
  本稿では,NL2Formulaと呼ばれる新しいベンチマークタスクを紹介する。 目的は、自然言語(NL)クエリを入力として、スプレッドシートテーブル上にグラウンドされた実行可能な式を生成することである。 我々は,70,799対のNLクエリと対応するスプレッドシート公式からなる包括的データセットを構築し,21,670のテーブルと37種類の公式関数を網羅した。
  論文  参考訳（メタデータ） (2024-02-20T05:58:05Z)
• STUNT: Few-shot Tabular Learning with Self-generated Tasks from Unlabeled Tables [64.0903766169603]
  我々は,Unlabeled Tables (STUNT) からの自己生成タスクを作成した,数発のセミ教師付き学習のためのフレームワークを提案する。 私たちのキーとなるアイデアは、ランダムに選択された列をターゲットラベルとして扱うことで、多様なショットタスクを自己生成することです。 次に、メタラーニング手法を用いて、構築されたタスクで一般化可能な知識を学習する。
  論文  参考訳（メタデータ） (2023-03-02T02:37:54Z)
• FLAME: A small language model for spreadsheet formulas [25.667479554632735]
  本稿では,Excel 公式に特化して訓練されたトランスフォーマーモデル FLAME を提案する。 我々はスケッチデデュープリケーションを使用し、Excel固有の式トークンを導入し、マスキングスパン予測のドメイン固有のバージョンを使用する。 FLAMEは, 補修, 補修, 類似性に基づく定式検索について評価する。
  論文  参考訳（メタデータ） (2023-01-31T17:29:43Z)
• FORTAP: Using Formulae for Numerical-Reasoning-Aware Table Pretraining [23.747119682226675]
  FORTAPは, スプレッドシート公式の大規模コーパスを活用することで, 事前学習を行うための最初の方法である。 FORTAPは、セルタイプ分類と公式予測という、2つの典型的な下流タスクで結果を得る。
  論文  参考訳（メタデータ） (2021-09-15T14:31:17Z)
• 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)
• TGRNet: A Table Graph Reconstruction Network for Table Structure Recognition [76.06530816349763]
  本稿では,表構造認識のためのエンドツーエンドのトレーニング可能な表グラフ再構成ネットワーク(TGRNet)を提案する。 具体的には,異なる細胞の空間的位置と論理的位置を共同で予測するために,細胞検出枝と細胞論理的位置分岐の2つの主枝を有する。
  論文  参考訳（メタデータ） (2021-06-20T01:57:05Z)
• TCN: Table Convolutional Network for Web Table Interpretation [52.32515851633981]
  テーブル内情報とテーブル間情報の両方を考慮した新しいテーブル表現学習手法を提案する。 カラムタイプ予測ではf1の4.8%、カラム対関係予測ではf1の4.1%で競合ベースラインを上回ることができる。
  論文  参考訳（メタデータ） (2021-02-17T02:18:10Z)

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。