論文の概要: NOVAID: Natural-language Observability Visualization Assistant for ITOps Dashboard Widget Generation

• arxiv url: http://arxiv.org/abs/2601.11531v1
• Date: Thu, 20 Nov 2025 06:17:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-25 16:54:51.739512
• Title: NOVAID: Natural-language Observability Visualization Assistant for ITOps Dashboard Widget Generation
• Title（参考訳）: NOVAID: ITOpsダッシュボードウィジェット生成のための自然言語可観測性可視化アシスタント
• Authors: Pratik Mishra, Caner Gözübüyük, Seema Nagar, Prateeti Mohapatra, Raya Wittich, Arthur de Magalhaes,
• Abstract要約: NOVAIDは自然言語クエリから直接IT監視ウィジェットを生成する。 このシステムはドメイン対応セマンティック、ファジィエンティティマッチング、スキーマ補完を組み合わせて、標準化されたウィジェット仕様を作成する。 ITエンジニアによるユーザスタディでは、システムユーザビリティ尺度のスコアが74.2で、良好なユーザビリティを示している。
• 参考スコア（独自算出の注目度）: 3.5085886835573117
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Manual creation of IT monitoring dashboard widgets is slow, error-prone, and a barrier for both novice and expert users. We present NOVAID, an interactive chatbot that leverages Large Language Models (LLMs) to generate IT monitoring widgets directly from natural language queries. Unlike general natural language-to-visualization tools, NOVAID addresses IT operations-specific challenges: specialized widget types like SLO charts, dynamic API-driven data retrieval, and complex contextual filters. The system combines a domain-aware semantic parser, fuzzy entity matching, and schema completion to produce standardized widget JSON specifications. An interactive clarification loop ensures accuracy in underspecified queries. On a curated dataset of 271 realistic queries, NOVAID achieves promising accuracy (up to 94.10% in metric extraction) across multiple LLMs. A user study with IT engineers yielded a System Usability Scale score of 74.2 for NOVAID, indicating good usability. By bridging natural language intent with operational dashboards, NOVAID demonstrates clear potential and a path for deployment in enterprise ITOps monitoring platforms.
• Abstract（参考訳）: IT監視ダッシュボードウィジェットのマニュアル作成は遅く、エラーが発生し、初心者と専門家の双方にとって障壁となる。 自然言語クエリから直接IT監視ウィジェットを生成するために,LLM(Large Language Models)を利用した対話型チャットボットNOVAIDを提案する。 一般的な自然言語から視覚化ツールとは異なり、NOVAIDはSLOチャートのような特別なウィジェットタイプ、動的API駆動データ検索、複雑なコンテキストフィルタといったITオペレーション固有の課題に対処する。 このシステムは、ドメイン対応セマンティックパーサ、ファジィエンティティマッチング、スキーマ補完を組み合わせて、標準化されたウィジェットJSON仕様を生成する。 対話的明確化ループは、未特定クエリの精度を保証する。 271のリアルなクエリのキュレートされたデータセットでは、NOVAIDは複数のLLMにわたって有望な精度(メトリック抽出の94.10%まで)を達成する。 ITエンジニアによるユーザスタディでは、システムユーザビリティ尺度のスコアが74.2で、良好なユーザビリティを示している。 自然言語の意図を運用ダッシュボードにブリッジすることで、NOVAIDはエンタープライズITOps監視プラットフォームに展開するための明確な可能性と道筋を示す。

関連論文リスト

• AUTO-Explorer: Automated Data Collection for GUI Agent [58.58097564914626]
  本稿では,アノテーションコストを最小限に抑えた自動データ収集手法であるAuto-Explorerを提案する。 それは、GUI環境を自律的に解析し探索する、シンプルだが効果的な探索メカニズムを組み込んでいる。 収集したデータを用いて,マルチモーダル大規模言語モデル(MLLM)を微調整し,GUI要素基盤テストセットを確立する。
  論文  参考訳（メタデータ） (2025-11-09T15:13:45Z)
• SPOT: Bridging Natural Language and Geospatial Search for Investigative Journalists [0.8796261172196742]
  SPOTはオープンソースの自然言語インタフェースであり、OSMのリッチでタグベースの地理データを直感的なシーン記述を通じてよりアクセスしやすいものにしている。 モデル出力の幻覚、OSMタグ付けの不整合、ユーザ入力のノイズの性質といった現実的な課題に対処する。 我々の知る限り、SPOTは、このレベルの精度でOSMデータへの信頼できる自然言語アクセスを実現する最初のシステムである。
  論文  参考訳（メタデータ） (2025-06-16T07:55:44Z)
• Iris: Breaking GUI Complexity with Adaptive Focus and Self-Refining [67.87810796668981]
  インフォメーション・インフォメーション・インフォメーション・クロッピング(ISC)と自己精製デュアルラーニング(SRDL) Irisは850KのGUIアノテーションだけで、複数のベンチマークで最先端のパフォーマンスを実現している。 これらの改善は、WebとOSエージェントの両方の下流タスクで大幅に向上した。
  論文  参考訳（メタデータ） (2024-12-13T18:40:10Z)
• Prompt4Vis: Prompting Large Language Models with Example Mining and Schema Filtering for Tabular Data Visualization [13.425454489560376]
  本稿では,自然言語からデータビジュアライゼーションクエリを生成するフレームワークであるPrompt4Visを紹介する。 データビジュアライゼーションクエリを生成するためのテキスト・ツー・ビジュアリーに、インコンテキスト・ラーニングが導入される。 Prompt4Visは最先端(SOTA)のRGVisNetを約35.9%、開発とテストセットで71.3%上回っている。
  論文  参考訳（メタデータ） (2024-01-29T10:23:47Z)
• INTERS: Unlocking the Power of Large Language Models in Search with Instruction Tuning [59.07490387145391]
  大規模言語モデル(LLM)は、様々な自然言語処理タスクにおいて印象的な機能を示している。 情報検索(IR)タスクへのそれらの適用は、自然言語における多くのIR固有の概念の頻繁な発生のため、いまだに困難である。 我々は,3つの基本IRカテゴリにまたがる20のタスクを含む新しいインストラクションチューニングデータセット InterS を導入する。
  論文  参考訳（メタデータ） (2024-01-12T12:10:28Z)
• 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)
• XTREME-UP: A User-Centric Scarce-Data Benchmark for Under-Represented Languages [105.54207724678767]
  データ不足は、多言語NLPシステムの開発において重要な問題である。 我々はXTREME-UPを提案する。XTREME-UPはゼロショットではなく、希少なデータシナリオに焦点を当てたベンチマークである。 XTREME-UPは、88言語にまたがる言語モデルが、9つのキーとなるユーザー中心技術上で機能する能力を評価する。
  論文  参考訳（メタデータ） (2023-05-19T18:00:03Z)
• Explaining Patterns in Data with Language Models via Interpretable Autoprompting [143.4162028260874]
  本稿では,データを説明する自然言語文字列を生成するアルゴリズムである,解釈可能なオートプロンプト(iPrompt)を提案する。 iPromptは、基盤となるデータセット記述を正確に見つけることで、意味のある洞察を得ることができる。 fMRIデータセットを用いた実験は、iPromptが科学的発見に役立つ可能性を示している。
  論文  参考訳（メタデータ） (2022-10-04T18:32:14Z)
• A Flexible Clustering Pipeline for Mining Text Intentions [6.599344783327053]
  Verint Intent Manager内にフレキシブルでスケーラブルなクラスタリングパイプラインを作成します。 言語モデルの微調整、高性能なk-NNライブラリ、コミュニティ検出技術を統合する。 VIMアプリケーションにデプロイされるように、このクラスタリングパイプラインは高品質な結果を生成する。
  論文  参考訳（メタデータ） (2022-02-01T22:54:18Z)
• Widget Captioning: Generating Natural Language Description for Mobile User Interface Elements [17.383434668094075]
  ユーザインタフェース要素の言語記述を自動的に生成する新しいタスクであるウィジェットキャプションを提案する。 私たちのデータセットには、61,285 UI要素に注釈をつけるために、人間の作業者が作成した162,859の言語句が含まれています。
  論文  参考訳（メタデータ） (2020-10-08T22:56:03Z)

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。