論文の概要: Supporting the Comprehension of Data Analysis Scripts
- arxiv url: http://arxiv.org/abs/2604.15963v1
- Date: Fri, 17 Apr 2026 11:28:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-20 22:00:19.894902
- Title: Supporting the Comprehension of Data Analysis Scripts
- Title（参考訳）: データ分析スクリプトの理解を支援する
- Authors: Florian Sihler, Oliver Gerstl, Lars Pfrenger, Julian Schubert, Matthias Tichy,
- Abstract要約: FlowRはPositronとVS Codeの拡張機能で、データ解析スクリプトを処理する。
インクリメンタルにRプロジェクトを分析し、相互運用データと制御フローを相互運用する。
プラグインシステムとインターフェースを提供し、新たなリンティングルールやカスタムビジュアライゼーションなど、さらなる分析の統合を可能にする。
- 参考スコア（独自算出の注目度）: 0.39146761527401425
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A lot of research relies on data analysis scripts to process, clean, and visualize data. However, recent studies show that these scripts are often hard to comprehend and maintain, hindering reproducibility and reuse, accompanied by a lack of tool support for handling such scripts. In this work, we focus on the R programming language, addressing this problem by presenting flowR as an extension for the common data analysis IDEs Positron and VS Code. Alongside a previously presented static backward program slicer, flowR provides an overview of data analysis scripts, interactive graph visualizations, linting, and inline value annotations to support data analysts. FlowR incrementally analyzes R projects by intertwining interprocedural data- and control-flow analyses to build a comprehensive dataflow graph, incorporating R's dynamic and explorative features. Additionally, flowR offers a plugin system and interfaces, allowing the integration of further analyses, such as new linting rules or custom visualizations. Requiring an average of 576ms to calculate the full dataflow graph of real-world projects, this enables near real-time feedback. The demonstration video is available at https://youtu.be/hJzr-r-NmMg . For the full source code and extensive documentation, refer to https://github.com/flowr-analysis/flowr . To try the docker image, use `docker run --rm -it eagleoutice/flowr`.
- Abstract（参考訳）: 多くの研究は、データの処理、クリーン化、視覚化のためのデータ分析スクリプトに依存しています。
しかし、最近の研究では、これらのスクリプトは理解し、メンテナンスするのが難しく、再現性や再利用を妨げることがあり、そのようなスクリプトを扱うためのツールサポートが欠如していることが示されている。
本稿では,一般的なデータ解析IDEであるPositronとVS Codeの拡張として flowR を提示することで,この問題に対処するR言語に焦点を当てる。
前述した静的バックワードプログラムスライサに加えて、flowRはデータ分析スクリプト、インタラクティブなグラフ視覚化、リンティング、データアナリストをサポートするインラインバリューアノテーションの概要を提供する。
FlowRは、Rプロジェクトの動的かつ爆発的な機能を取り入れた総合的なデータフローグラフを構築するために、プロシージャ間データ-と制御-フロー分析を相互運用することで、Rプロジェクトを段階的に分析する。
さらに、FlowRはプラグインシステムとインターフェースを提供し、新たなリンティングルールやカスタム視覚化など、さらなる分析の統合を可能にする。
実際のプロジェクトの完全なデータフローグラフを計算するのに平均576msを必要とするため、ほぼリアルタイムなフィードバックが可能になる。
デモビデオはhttps://youtu.be/hJzr-r-NmMg で公開されている。
完全なソースコードと詳細なドキュメントについては、https://github.com/flowr-analysis/flowr を参照してください。
dockerイメージを試すには、 `docker run --rm -it eagleoutice/flowr` を使用する。
関連論文リスト
- Visual Self-Refine: A Pixel-Guided Paradigm for Accurate Chart Parsing [76.2602505940467]
既存のモデルは、しばしば視覚的に密集したチャートに苦しむため、データの欠落、修正ミス、幻覚などのエラーにつながる。
複雑なチャートを読む際の精度を確保するために指を視覚アンカーとして使うという人間の戦略に触発され、視覚自己認識(VSR)と呼ばれる新しいパラダイムを提案する。
VSRの中核となる考え方は、モデルがピクセルレベルのローカライゼーション出力を生成し、それらを視覚化し、それらの視覚化を自身にフィードバックし、直感的にその潜在的な視覚的認識エラーを検査し修正できるようにすることである。
論文 参考訳（メタデータ） (2026-02-18T13:40:53Z) - CoDA: Agentic Systems for Collaborative Data Visualization [57.270599188947294]
深層研究はデータ分析に革命をもたらしたが、データサイエンティストは依然として手作業による視覚化にかなりの時間を費やしている。
単純なシングルエージェントシステムやマルチエージェントシステムを含む既存のアプローチは、しばしばタスクを単純化する。
本稿では,メタデータ分析,タスク計画,コード生成,自己回帰に特殊なLLMエージェントを利用するマルチエージェントシステムであるCoDAを紹介する。
論文 参考訳（メタデータ） (2025-10-03T17:30:16Z) - Scalable Language Agnostic Taint Tracking using Explicit Data Dependencies [0.42855555838080833]
本稿では,言語に依存しないデータ依存表現のためのシステムの設計と実装について述べる。
我々は、このデータフロー分析システムをオープンソースコード分析プラットフォームJoernに寄贈し、コミュニティに提供します。
論文 参考訳（メタデータ） (2025-06-06T17:15:59Z) - Flowco: Rethinking Data Analysis in the Age of LLMs [2.1874189959020427]
大規模言語モデル(LLM)は、単純なルーチン解析のためにそのようなコードを生成することができるようになった。
LLMは、限られたプログラミングの専門知識を持つ者がデータ分析を行うことで、データサイエンスの民主化を約束する。
多くの実世界のアナリストは、特定の分析手順をきめ細かな制御をしなければならない。
本稿では,これらの課題に対処する新たな混合開始システムであるFlowcoを紹介する。
論文 参考訳（メタデータ） (2025-04-18T19:01:27Z) - ReSpark: Leveraging Previous Data Reports as References to Generate New Reports with LLMs [34.54994059045639]
ReSparkは、既存のレポートから分析ロジックをリバースエンジニアリングし、新しいデータセットに適応するシステムである。
比較およびユーザスタディを通じてReSparkを評価し,既存の解析コードに頼ることなく,データレポート生成の障壁を低くする効果を実証した。
論文 参考訳（メタデータ） (2025-02-04T14:00:32Z) - Scaling Inter-procedural Dataflow Analysis on the Cloud [19.562864760293955]
大規模クラスタ上で動作するBigDataflowという分散フレームワークを開発しました。
BigDataflowは、数百万行のコードのプログラムを数分で分析する。
論文 参考訳（メタデータ） (2024-12-17T06:18:56Z) - FlowLearn: Evaluating Large Vision-Language Models on Flowchart Understanding [52.35520385083425]
FlowLearnデータセットは、フローチャートの理解を強化するために設計されたリソースである。
科学的サブセットは、科学文献から得られた3,858のフローチャートを含んでいる。
シミュレーションされたサブセットには、カスタマイズ可能なスクリプトを使用して作成された10,000のフローチャートが含まれている。
論文 参考訳（メタデータ） (2024-07-06T20:58:51Z) - GraphReader: Building Graph-based Agent to Enhance Long-Context Abilities of Large Language Models [58.08177466768262]
大規模言語モデル(LLM)では、複雑なロングコンテクストのタスクに対処するためには、ロングコンテクストの能力が不可欠である。
グラフをグラフに構造化し、エージェントを使ってグラフを自律的に探索することで、長いテキストを扱うように設計されたグラフベースのエージェントシステムであるGraphReaderを紹介する。
LV-Evalデータセットの実験結果によると、GraphReaderは4kコンテキストウィンドウを使用して、16kから256kまでのコンテキスト長で一貫してGPT-4-128kを上回っている。
論文 参考訳（メタデータ） (2024-06-20T17:57:51Z) - Interactive Visualization of Protein RINs using NetworKit in the Cloud [57.780880387925954]
本稿では,タンパク質動態,特に残基相互作用ネットワーク(RIN)の例について考察する。
NetworKitを使ってクラウドベースの環境を構築しています。
このアプローチの汎用性を実証するために、私たちは、RIN視覚化のためのカスタムJupyterベースのウィジェットを構築するためにそれを使用します。
論文 参考訳（メタデータ） (2022-03-02T17:41:45Z)
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。