論文の概要: A Hypergraph-Based Framework for Exploratory Business Intelligence

• arxiv url: http://arxiv.org/abs/2603.10625v1
• Date: Wed, 11 Mar 2026 10:36:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 16:22:32.900811
• Title: A Hypergraph-Based Framework for Exploratory Business Intelligence
• Title（参考訳）: ハイパーグラフに基づく探索的ビジネスインテリジェンスのためのフレームワーク
• Authors: Yunkai Lou, Shunyang Li, Longbin Lai, Jianke Yu, Wenyuan Yu, Ying Zhang,
• Abstract要約: 本稿では,演算子を用いたハイパーグラフデータモデルを導入する新しいシステムであるExBIについて述べる。 証明可能な推定保証を備えたサンプリングベースのアルゴリズムを使用して、ExBIは解析的精度を維持しながら計算ボトルネックに対処する。 LDBCデータセットの実験は、ExBIが既存のシステムに対して大幅なスピードアップを達成することを示した。
• 参考スコア（独自算出の注目度）: 11.059102690661467
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Business Intelligence (BI) analysis is evolving towards Exploratory BI, an iterative, multi-round exploration paradigm where analysts progressively refine their understanding. However, traditional BI systems impose critical limits for Exploratory BI: heavy reliance on expert knowledge, high computational costs, static schemas, and lack of reusability. We present ExBI, a novel system that introduces the hypergraph data model with operators, including Source, Join, and View, to enable dynamic schema evolution and materialized view reuse. Using sampling-based algorithms with provable estimation guarantees, ExBI addresses the computational bottlenecks, while maintaining analytical accuracy. Experiments on LDBC datasets demonstrate that ExBI achieves significant speedups over existing systems: on average 16.21x (up to 146.25x) compared to Neo4j and 46.67x (up to 230.53x) compared to MySQL, while maintaining high accuracy with an average error rate of only 0.27% for COUNT, enabling efficient and accurate large-scale exploratory BI workflows.
• Abstract（参考訳）: ビジネスインテリジェンス(BI)分析は、調査的BI(Exploratory BI)へと進化している。 しかし、従来のBIシステムは、専門家の知識、高い計算コスト、静的スキーマ、再利用可能性の欠如など、探索的BIに限界を課している。 我々は、動的スキーマの進化とマテリアライズドビューの再利用を可能にするために、ソース、ジョイン、ビューを含む演算子を用いたハイパーグラフデータモデルを導入する新しいシステムであるExBIを提案する。 証明可能な推定保証を備えたサンプリングベースのアルゴリズムを使用して、ExBIは解析的精度を維持しながら計算ボトルネックに対処する。 LDBCデータセットの実験では、ExBIが既存のシステムに対して大幅なスピードアップを達成していることが示された。Neo4jと比較して平均16.21x(最大146.25x)、MySQLと比較して46.67x(最大230.53x)であり、COUNTでは平均0.27%のエラー率で高い精度を維持し、より効率的で正確な大規模な探索BIワークフローを実現する。

関連論文リスト

• APEX-SQL: Talking to the data via Agentic Exploration for Text-to-SQL [39.76924093980244]
  APEX-動詞化は、パラダイムを受動的翻訳からエージェント探索に移行するフレームワークである。 提案フレームワークでは,実データにおける基底モデル推論に仮説検証ループを用いる。
  論文  参考訳（メタデータ） (2026-02-11T07:50:47Z)
• PublicAgent: Multi-Agent Design Principles From an LLM-Based Open Data Analysis Framework [5.863391019411233]
  大規模言語モデルは個々のタスクを約束するが、エンドツーエンドの分析は基本的な制限を露呈する。 PublicAgentは、意図の明確化、データセット発見、分析、レポートのための特殊なエージェントへの分解を通じて、これらの制限に対処するマルチエージェントフレームワークである。
  論文  参考訳（メタデータ） (2025-11-04T21:48:11Z)
• RAISE: Reasoning Agent for Interactive SQL Exploration [47.77323087050061]
  本稿では,スキーマリンク,クエリ生成,反復的改善を1つのエンドツーエンドコンポーネントに統一する新しいフレームワークを提案する。 本手法は、不慣れなデータベースを扱う際に、人間がどう答えるかをエミュレートする。
  論文  参考訳（メタデータ） (2025-06-02T03:07:08Z)
• Revisiting BPR: A Replicability Study of a Common Recommender System Baseline [78.00363373925758]
  我々は,BPRモデルの特徴を考察し,その性能への影響を示し,オープンソースのBPR実装について検討する。 分析の結果,これらの実装とオリジナルのBPR論文の矛盾が明らかとなり,特定の実装に対して最大50%の性能低下がみられた。 BPRモデルは、トップnのレコメンデーションタスクにおける最先端メソッドに近いパフォーマンスレベルを達成でき、特定のデータセット上でもパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2024-09-21T18:39:53Z)
• 4DBInfer: A 4D Benchmarking Toolbox for Graph-Centric Predictive Modeling on Relational DBs [67.47600679176963]
  RDBは、相互接続されたテーブルにまたがる膨大な量のリッチで情報的なデータを格納する。 予測機械学習モデルの進歩は、コンピュータビジョンや自然言語処理といった他の領域の進歩に遅れをとっている。 マルチテーブルデータセットをグラフに変換することを前提としたベースラインモデルのクラスを探索する。 大規模RDBデータセットと (ii) 同時予測タスクの多様なコレクションを組み立てる。
  論文  参考訳（メタデータ） (2024-04-28T15:04:54Z)
• Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
  本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。 また、局所的な一貫性の結果に基づいた理論的保証も提供する。 この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-11-17T15:48:06Z)
• nBIIG: A Neural BI Insights Generation System for Table Reporting [9.807808870973645]
  nBIIGは神経ビジネスインテリジェンス(BI)インサイト生成システムである。 システムは、対応するRDF表現を生成するために様々な分析を適用し、その後、ニューラルネットワークを使用して、流動的なテキストインサイトを生成する。
  論文  参考訳（メタデータ） (2022-11-08T18:00:59Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• BI-REC: Guided Data Analysis for Conversational Business Intelligence [11.501574075824132]
  BI-RECは、ユーザーがデータ分析タスクを遂行するのに役立つBIアプリケーションのための対話型レコメンデーションシステムです。 我々は、OLAP立方体定義から抽出したリッチな意味情報を付加したBIパターンを用いて、データ解析の空間を定義する。 BI-RECはBIパターン推奨で83%の精度を達成し、予測の遅延で最大2倍のスピードアップを実現します。
  論文  参考訳（メタデータ） (2021-05-02T13:19:38Z)
• Probabilistic Case-based Reasoning for Open-World Knowledge Graph Completion [59.549664231655726]
  ケースベース推論(CBR)システムは,与えられた問題に類似した事例を検索することで,新たな問題を解決する。 本稿では,知識ベース(KB)の推論において,そのようなシステムが実現可能であることを示す。 提案手法は,KB内の類似エンティティからの推論パスを収集することにより,エンティティの属性を予測する。
  論文  参考訳（メタデータ） (2020-10-07T17:48:12Z)

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。