論文の概要: FactFlow: Automatic Fact Sheet Generation and Customization from Tabular Dataset via AI Chain Design & Implementation

• arxiv url: http://arxiv.org/abs/2502.17909v1
• Date: Tue, 25 Feb 2025 07:15:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 15:21:34.167745
• Title: FactFlow: Automatic Fact Sheet Generation and Customization from Tabular Dataset via AI Chain Design & Implementation
• Title（参考訳）: FactFlow: AIチェイン設計と実装によるタブラルデータセットからのファクトシートの自動生成とカスタマイズ
• Authors: Minh Duc Vu, Jieshan Chen, Zhenchang Xing, Qinghua Lu, Xiwei Xu, Qian Fu,
• Abstract要約: ツールはファクトシートの自動生成とカスタマイズのために設計された新しいツールです。 ツールは、協力的なAIワーカーの概念を適用して、生のデータセットを包括的で視覚的に魅力的なファクトシートに変換する。
• 参考スコア（独自算出の注目度）: 20.4793271836793
• License:
• Abstract: With the proliferation of data across various domains, there is a critical demand for tools that enable non-experts to derive meaningful insights without deep data analysis skills. To address this need, existing automatic fact sheet generation tools offer heuristic-based solutions to extract facts and generate stories. However, they inadequately grasp the semantics of data and struggle to generate narratives that fully capture the semantics of the dataset or align the fact sheet with specific user needs. Addressing these shortcomings, this paper introduces \tool, a novel tool designed for the automatic generation and customisation of fact sheets. \tool applies the concept of collaborative AI workers to transform raw tabular dataset into comprehensive, visually compelling fact sheets. We define effective taxonomy to profile AI worker for specialised tasks. Furthermore, \tool empowers users to refine these fact sheets through intuitive natural language commands, ensuring the final outputs align closely with individual preferences and requirements. Our user evaluation with 18 participants confirms that \tool not only surpasses state-of-the-art baselines in automated fact sheet production but also provides a positive user experience during customization tasks.
• Abstract（参考訳）: さまざまな領域にまたがるデータの普及に伴い、非専門家が深いデータ分析スキルを使わずに有意義な洞察を導き出せるツールの需要が高まっている。 このニーズに対処するために、既存の自動ファクトシート生成ツールは、事実を抽出し、ストーリーを生成するヒューリスティックなソリューションを提供する。 しかし、データのセマンティクスを不十分に把握し、データセットのセマンティクスを完全に捉えたり、ファクトシートを特定のユーザニーズに合わせるような物語を生成するのに苦労する。 これらの欠点に対処するために,ファクトシートの自動生成とカスタマイズを目的とした新しいツールである‘tool’を紹介する。 \toolは、協調的なAIワーカーの概念を適用して、生の表形式のデータセットを包括的で視覚的に魅力的なファクトシートに変換する。 専門的なタスクのためにAIワーカーをプロファイルする効果的な分類法を定義する。 さらに、‘tool’はユーザーがこれらの事実シートを直感的な自然言語コマンドで洗練し、最終的なアウトプットが個々の好みや要求と密接に一致することを保証する。 自動ファクトシート製造において,‘tool’が最先端のベースラインを超えただけでなく,カスタマイズ作業時のユーザエクスペリエンスも良好であることを確認した。

関連論文リスト

• GENIE: Generative Note Information Extraction model for structuring EHR data [14.057531175321113]
  生成ノート情報抽出システムGENIEを紹介する。 GENIEは1つのパスで全段落を処理し、エンティティ、アサーションステータス、ロケーション、修飾子、値、目的を高精度に抽出する。 堅牢なデータ準備パイプラインと微調整された小型LLMを使用して、GENIEは複数の情報抽出タスク間での競合性能を実現する。
  論文  参考訳（メタデータ） (2025-01-30T15:42:24Z)
• Personalized Graph-Based Retrieval for Large Language Models [51.7278897841697]
  ユーザ中心の知識グラフを利用してパーソナライゼーションを強化するフレームワークを提案する。 構造化されたユーザ知識を直接検索プロセスに統合し、ユーザ関連コンテキストにプロンプトを拡大することにより、PGraphはコンテキスト理解と出力品質を向上させる。 また,ユーザ履歴が不足あるいは利用できない実環境において,パーソナライズされたテキスト生成タスクを評価するために設計された,パーソナライズドグラフベースのテキスト生成ベンチマークを導入する。
  論文  参考訳（メタデータ） (2025-01-04T01:46:49Z)
• Capturing and Anticipating User Intents in Data Analytics via Knowledge Graphs [0.061446808540639365]
  この研究は、人間中心の複雑な分析を捉えるための基本的なフレームワークとして、知識グラフ(KG)の使用について検討する。 生成されたKGに格納されたデータは、これらのシステムと対話するユーザーに補助(例えばレコメンデーション)を提供するために利用される。
  論文  参考訳（メタデータ） (2024-11-01T20:45:23Z)
• CTG-KrEW: Generating Synthetic Structured Contextually Correlated Content by Conditional Tabular GAN with K-Means Clustering and Efficient Word Embedding [12.072052949955385]
  条件付き Tabular Generative Adversarial Networks (CTGAN) は、合成データを効率的に作成する能力に魅力がある。 本稿では,属性が意味的・文脈的に一貫性のある単語の集合である現実的な合成データを生成するのに長けている新しいフレームワークCTGKrEWを紹介する。 CTGKrEWは、従来のアプローチに比べてCPU時間の約99%、メモリフットプリントを33%削減する。
  論文  参考訳（メタデータ） (2024-09-03T05:53:57Z)
• Step-Back Profiling: Distilling User History for Personalized Scientific Writing [50.481041470669766]
  大きな言語モデル(LLM)は、さまざまな自然言語処理タスクに優れていますが、個人向けにパーソナライズされたコンテンツを生成するのに苦労しています。 ユーザ履歴を簡潔なプロファイルに抽出することで,LSMをパーソナライズするためのSTEP-BACK ProFIlingを導入する。 本手法は,一般パーソナライゼーションベンチマークにおいて,ベースラインを最大3.6ポイント向上させる。
  論文  参考訳（メタデータ） (2024-06-20T12:58:26Z)
• TAROT: A Hierarchical Framework with Multitask Co-Pretraining on Semi-Structured Data towards Effective Person-Job Fit [60.31175803899285]
  本稿では,階層型マルチタスク協調訓練フレームワークであるTAROTを提案する。 TAROTは、プロファイルとジョブにおける半構造化テキストをターゲットにしており、取得したセマンティック情報を各レベルで制限するために、複数のきめ細かい事前訓練タスクと共に保持されている。
  論文  参考訳（メタデータ） (2024-01-15T07:57:58Z)
• 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)
• InteractiveIE: Towards Assessing the Strength of Human-AI Collaboration in Improving the Performance of Information Extraction [48.45550809455558]
  文書からテンプレートをベースとした学習情報抽出の性能向上を図るために,対話IE(InteractiveIE)と呼ばれるプロキシをオンザフライで行う方法を提案する。 バイオメディカルおよび法的文書の実験では、トレーニングデータを取得するのが高価であり、AIのみのベースラインよりもInteractiveIEを使用したパフォーマンス改善の奨励的な傾向が明らかにされている。
  論文  参考訳（メタデータ） (2023-05-24T02:53:22Z)
• Curriculum-Based Self-Training Makes Better Few-Shot Learners for Data-to-Text Generation [56.98033565736974]
  テキスト生成の困難さによって決定される並べ替え順序でラベルのないデータを活用するために,カリキュラムベースの自己学習(CBST)を提案する。 提案手法は、微調整およびタスク適応型事前学習法より優れており、データ・テキスト・ジェネレーションのわずかな設定で最先端の性能を実現することができる。
  論文  参考訳（メタデータ） (2022-06-06T16:11:58Z)
• Toward Educator-focused Automated Scoring Systems for Reading and Writing [0.0]
  本稿では,データとラベルの可用性,信頼性と拡張性,ドメインスコアリング,プロンプトとソースの多様性,伝達学習といった課題に対処する。 モデルトレーニングコストを増大させることなく、エッセイの長さを重要な特徴として保持する技術を採用している。
  論文  参考訳（メタデータ） (2021-12-22T15:44:30Z)

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。