Fugu-MT 論文翻訳(概要): Difference Views for Visual Graph Query Building

論文の概要: Difference Views for Visual Graph Query Building

arxiv url: http://arxiv.org/abs/2508.05314v1
Date: Thu, 07 Aug 2025 12:14:33 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-08 18:59:39.848551
Title: Difference Views for Visual Graph Query Building
Title（参考訳）: ビジュアルグラフクエリ構築のための差異ビュー
Authors: Benedikt Kantz, Stefan Lengauer, Peter Waldert, Tobias Schreck,
Abstract要約: 知識グラフ(KG)には、さまざまなドメインの知識をエンコードする大量のリンクリソースが含まれている。既存のビジュアルクエリビルダーは、熟練していないユーザがSPARQLクエリを構築し、これらのグラフに含まれる知識を利用することを可能にする。
参考スコア（独自算出の注目度）: 3.331215924738821
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Knowledge Graphs (KGs) contain vast amounts of linked resources that encode knowledge in various domains, which can be queried and searched for using specialized languages like SPARQL, a query language developed to query KGs. Existing visual query builders enable non-expert users to construct SPARQL queries and utilize the knowledge contained in these graphs. Query building is, however, an iterative and, often, visual process where the question of the user can change and differ throughout the process, especially for explorative search. Our visual querying interface communicates these change between iterative steps in the query building process using graph differences to contrast the changes and the evolution in the graph query. We also enable users to formulate their evolving information needs using a natural language interface directly integrated into the difference query view. We, furthermore, communicate the change in results in the result view by contrasting the differences in both result distribution and individual instances of the prototype graph and demonstrate the system's applicability through case studies on different ontologies and usage scenarios, illustrating how our system fosters, both, data exploration and analysis of domain-specific graphs.
Abstract（参考訳）: 知識グラフ(KG)には、さまざまなドメインの知識をエンコードする大量のリンクリソースが含まれている。既存のビジュアルクエリビルダーは、熟練していないユーザがSPARQLクエリを構築し、これらのグラフに含まれる知識を利用することを可能にする。しかし、クエリ構築は反復的で、多くの場合、ユーザの質問がプロセス全体、特に爆発的な検索に対して変化し、異なる視覚的なプロセスである。我々のビジュアルクエリインタフェースは、グラフの違いを使って、クエリ構築プロセスにおける反復的なステップ間のこれらの変化を通信し、グラフクエリの変化と進化を対比します。また,違いクエリビューに直接統合された自然言語インタフェースを用いて,ユーザが進化する情報ニーズを定式化することができる。さらに、結果分布とプロトタイプグラフの個々のインスタンスの違いを対比することにより、結果ビューの変化を伝達し、異なるオントロジーや利用シナリオのケーススタディを通じてシステムの適用性を実証し、我々のシステムがデータ探索とドメイン固有のグラフの分析の両方でどのように発展していくかを説明する。

関連論文リスト

Text-to-SPARQL Goes Beyond English: Multilingual Question Answering Over Knowledge Graphs through Human-Inspired Reasoning [51.203811759364925]
mKGQAgentは、自然言語の質問をSPARQLクエリに変換し、モジュール化された解釈可能なサブタスクに変換するタスクを分解する。 2025年のText2SPARQLチャレンジにおいて、DBpediaとCorporateベースのKGQAベンチマークに基づいて評価され、私たちのアプローチは、他の参加者の中で第一に行われました。
論文参考訳（メタデータ） (2025-07-22T19:23:03Z)
GRASP: Generic Reasoning And SPARQL Generation across Knowledge Graphs [4.005483185111992]
本稿では,自然言語質問やキーワードクエリからRDF知識グラフ上でSPARQLクエリを生成する手法を提案する。我々のアプローチは微調整を必要としない。代わりに、言語モデルを用いてSPARQLクエリを戦略的に実行し、関連するIRIとリテラルを検索することで知識グラフを探索する。
論文参考訳（メタデータ） (2025-07-10T18:50:05Z)
A large collection of bioinformatics question-query pairs over federated knowledge graphs: methodology and applications [0.0838491111002084]
本稿では,生物情報学の知識グラフを用いた人文自然言語質問とそれに対応するSPARQLクエリについて紹介する。既存の標準に基づいて,サンプルを最小限のメタデータで一様に表現する手法を提案する。
論文参考訳（メタデータ） (2024-10-08T13:08:07Z)
UQE: A Query Engine for Unstructured Databases [71.49289088592842]
構造化されていないデータ分析を可能にするために,大規模言語モデルの可能性を検討する。本稿では,非構造化データ収集からの洞察を直接問合せ,抽出するUniversal Query Engine (UQE)を提案する。
論文参考訳（メタデータ） (2024-06-23T06:58:55Z)
Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
論文参考訳（メタデータ） (2023-05-04T16:04:41Z)
Visual Diagrammatic Queries in ViziQuer: Overview and Implementation [0.0]
ViziQuerは、リッチなデータクエリを記述する視覚的なダイアグラムを提供する、ビジュアルクエリ表記およびツールである。本稿では,視覚図形クエリ表記法をテキストSPARQL言語にマッピング可能な概念的および技術的ソリューションについて述べる。
論文参考訳（メタデータ） (2023-04-27T13:16:32Z)
Neural Graph Reasoning: Complex Logical Query Answering Meets Graph Databases [63.96793270418793]
複雑な論理クエリ応答(CLQA)は、グラフ機械学習の最近登場したタスクである。ニューラルグラフデータベース(NGDB)の概念を紹介する。 NGDBはNeural Graph StorageとNeural Graph Engineで構成されている。
論文参考訳（メタデータ） (2023-03-26T04:03:37Z)
Semantic Parsing for Conversational Question Answering over Knowledge Graphs [63.939700311269156]
本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。本稿では,2つの意味解析手法を提案し,その課題を強調した。私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
論文参考訳（メタデータ） (2023-01-28T14:45:11Z)
UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question Answering Over Knowledge Graph [89.98762327725112]
KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
論文参考訳（メタデータ） (2022-12-02T04:08:09Z)
Graph Enhanced BERT for Query Understanding [55.90334539898102]
クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
論文参考訳（メタデータ） (2022-04-03T16:50:30Z)
Interactive Visual Pattern Search on Graph Data via Graph Representation Learning [20.795511688640296]
視覚分析システムGraphQは、ループ内、サンプルベース、サブグラフパターン検索をサポートする。高速で対話的なクエリをサポートするために、グラフニューラルネットワーク(GNN)を使用して、グラフを固定長潜在ベクトル表現としてエンコードする。また,NuroAlignと呼ばれるノードアライメントのための新しいGNNを提案し,クエリ結果の検証と解釈を容易にする。
論文参考訳（メタデータ） (2022-02-18T22:30:28Z)
Dependently Typed Knowledge Graphs [4.157595789003928]
本稿では,標準セマンティックWeb技術(RDFとそのクエリ言語SPARQL)を依存型理論と統一的に再現する方法を示す。知識グラフの基本機能を提供するのに加えて、依存型はエンティティとクエリの両方をエンコードする表現力を与えます。
論文参考訳（メタデータ） (2020-03-08T14:04:23Z)

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。