論文の概要: BDI-Kit Demo: A Toolkit for Programmable and Conversational Data Harmonization
- arxiv url: http://arxiv.org/abs/2604.06405v1
- Date: Tue, 07 Apr 2026 19:38:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-09 17:30:51.211111
- Title: BDI-Kit Demo: A Toolkit for Programmable and Conversational Data Harmonization
- Title（参考訳）: BDI-Kit Demo: プログラマブルで会話型のデータ調和のためのツールキット
- Authors: Roque Lopez, Yurong Liu, Christos Koutras, Juliana Freire,
- Abstract要約: BDIKitは調和と値マッチングのためのツールキットを提供する。
Python APIとAIアシストインターフェースという,異なるユーザニーズに合わせた2つの補完インターフェースを公開する。
i) プリミティブな変換の作成、中間出力の検証、再利用のためのPython APIの使用、(ii) 自然言語でAIアシスタントと会話してBDIKitの機能にアクセスする、という2つのシナリオを提示します。
- 参考スコア（独自算出の注目度）: 7.616466486425551
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data harmonization remains a major bottleneck for integrative analysis due to heterogeneity in schemas, value representations, and domain-specific conventions. BDI-Kit provides an extensible toolkit for schema and value matching. It exposes two complementary interfaces tailored to different user needs: a Python API enabling developers to construct harmonization pipelines programmatically, and an AI-assisted chat interface allowing domain experts to harmonize data through natural language dialogue. This demonstration showcases how users interact with BDI-Kit to iteratively explore, validate, and refine schema and value matches through a combination of automated matching, AI-assisted reasoning, and user-driven refinement. We present two scenarios: (i) using the Python API to programmatically compose primitives, examine intermediate outputs, and reuse transformations; and (ii) conversing with the AI assistant in natural language to access BDI-Kit's capabilities and iteratively refine outputs based on the assistant's suggestions.
- Abstract（参考訳）: データ調和は、スキーマ、値表現、ドメイン固有の規約の不均一性による統合分析の大きなボトルネックであり続けている。
BDI-Kitはスキーマと値マッチングのための拡張可能なツールキットを提供する。
プログラムで調和パイプラインを構築することができるPython APIと、ドメインの専門家が自然言語対話を通じてデータを調和できるAI支援チャットインターフェースだ。
このデモでは、自動マッチング、AIアシスト推論、ユーザ主導の洗練を組み合わせることで、ユーザがBDI-Kitと対話して、スキーマとバリューマッチを反復的に探索、検証、洗練する方法が紹介されている。
シナリオは2つです。
(i)Python APIを使用してプリミティブをプログラム的に作成し、中間出力を調べ、変換を再利用する。
二 自然言語でAIアシスタントと会話し、BDI-Kitの能力にアクセスし、アシスタントの提案に基づいて出力を反復的に洗練する。
関連論文リスト
- Unifying Heterogeneous Multi-Modal Remote Sensing Detection Via Language-Pivoted Pretraining [59.2578488860426]
不均一なマルチモーダルリモートセンシングオブジェクト検出は、多様なセンサからオブジェクトを正確に検出することを目的としている。
既存のアプローチでは、下流の微調整中にモーダリティアライメントとタスク固有の最適化が絡み合う遅延アライメントパラダイムが採用されている。
本稿では,下流のタスク学習からモダリティアライメントを明確に分離する,統一型言語パイロット事前学習フレームワークであるBabelRSを提案する。
論文 参考訳（メタデータ） (2026-03-02T11:38:12Z) - A Multimodal Conversational Agent for Tabular Data Analysis [0.2211620227346065]
大規模言語モデル(LLM)は、音声対話を含むユーザとの対話において、ハイパフォーマンスを維持しながら、データ分析、可視化、解釈を扱うことで、情報処理を再構築することができる。
直感的データ探索のためのマルチモーダルLLM駆動型対話エージェントTalk2Dataを提案する。
このシステムでは、ユーザーは音声やテキストでデータセットをクエリし、プロット、テーブル、統計、音声による説明などの回答を受け取ることができる。
論文 参考訳（メタデータ） (2025-11-23T11:21:04Z) - Context-Aware Visual Prompting: Automating Geospatial Web Dashboards with Large Language Models and Agent Self-Validation for Decision Support [1.506501956463029]
リスク分析と意思決定のためのWebベースのダッシュボードの開発は、大きな多次元データの難しさに悩まされることが多い。
ユーザ定義入力からインタラクティブな地理空間ダッシュボードの作成を自動化する生成AIフレームワークを導入する。
論文 参考訳（メタデータ） (2025-10-10T10:58:15Z) - ToolDial: Multi-turn Dialogue Generation Method for Tool-Augmented Language Models [1.82618237315022]
我々は,RapidAPIのAPIに基づいて,対話毎に平均8.95回転する11,111のマルチターン対話からなるデータセットであるToolDialをリリースした。
システムから必要な情報をAPIドキュメントに基づいて要求する対話をシミュレートし,必要な情報の提供に失敗した場合に追加のAPIを求める。
我々は,正しい動作を予測し,対話履歴からAPI呼び出しの入力パラメータ値を抽出する言語モデル群を評価する。
論文 参考訳（メタデータ） (2025-03-01T17:23:51Z) - SELMA: A Speech-Enabled Language Model for Virtual Assistant Interactions [48.02083833667388]
仮想アシスタントインタラクションのための言語モデルであるSELMAを提示し,評価する。
オーディオエンコーダとLarge Language Modelの両方のパラメータ効率訓練に低ランク適応モジュールを用いる。
論文 参考訳（メタデータ） (2025-01-31T18:30:36Z) - ToolACE: Winning the Points of LLM Function Calling [139.07157814653638]
ToolACEは、正確で複雑で多様なツール学習データを生成するように設計された自動エージェントパイプラインである。
我々は、合成データに基づいてトレーニングされたモデルが、8Bパラメータだけで、バークレー・ファンクション・カリング・リーダーボード上で最先端のパフォーマンスを達成することを実証した。
論文 参考訳（メタデータ） (2024-09-02T03:19:56Z) - New Interaction Paradigm for Complex EDA Software Leveraging GPT [5.386974905314838]
We present SmartonAI, AI-assisted interaction system that integrates large language model into the EDA workflow。
SmartonAIは、ユーザ命令をサブタスクに分解するChatCommandと、カスタマイズされたドキュメントを取得するOneLineの2つの主要コンポーネントで構成されている。
論文 参考訳（メタデータ） (2023-07-27T09:53:02Z) - Rethinking End-to-End Evaluation of Decomposable Tasks: A Case Study on
Spoken Language Understanding [101.24748444126982]
分解可能なタスクは複雑で、サブタスクの階層から構成される。
しかし、既存のベンチマークでは、通常は表面レベルのサブタスクのみの例が示される。
サブタスク固有のユーティリティ関数上の座標アセントを用いて、ロバストなテストセットを構築するためのフレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-29T02:53:59Z) - Reformulating HOI Detection as Adaptive Set Prediction [25.44630995307787]
我々は適応セット予測問題としてHOI検出を再構成する。
本稿では,並列インスタンスとインタラクションブランチを備えた適応型セットベースワンステージフレームワーク(as-net)を提案する。
この手法は、人間のポーズや言語的特徴を必要とせず、従来の最先端の手法を上回ります。
論文 参考訳（メタデータ） (2021-03-10T10:40:33Z) - pyBART: Evidence-based Syntactic Transformations for IE [52.93947844555369]
pyBARTは、英語のUD木を拡張UDグラフに変換するためのオープンソースのPythonライブラリである。
パターンに基づく関係抽出のシナリオで評価すると、より少ないパターンを必要としながら、より高精細なUDよりも高い抽出スコアが得られる。
論文 参考訳（メタデータ） (2020-05-04T07:38:34Z)
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。