論文の概要: VisualNeo: Bridging the Gap between Visual Query Interfaces and Graph Query Engines

• arxiv url: http://arxiv.org/abs/2604.25283v1
• Date: Tue, 28 Apr 2026 06:44:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.739953
• Title: VisualNeo: Bridging the Gap between Visual Query Interfaces and Graph Query Engines
• Title（参考訳）: VisualNeo: Visual Query InterfacesとGraph Query Enginesのギャップを埋める
• Authors: Kai Huang, Houdong Liang, Chongchong Yao, Xi Zhao, Yue Cui, Yao Tian, Ruiyuan Zhang, Xiaofang Zhou,
• Abstract要約: ビジュアルグラフクエリインタフェース(VQI)は、非プログラマが視覚的なクエリを直感的に構築することでグラフデータをクエリすることを可能にする。 そこで我々は,Neo4j上に構築された新しいVQIシステムであるVisualNeoを提案する。
• 参考スコア（独自算出の注目度）: 15.650929370676776
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual Graph Query Interfaces (VQIs) empower non-programmers to query graph data by constructing visual queries intuitively. Devising efficient technologies in Graph Query Engines (GQEs) for interactive search and exploration has also been studied for years. However, these two vibrant scientific fields are traditionally independent of each other, causing a vast barrier for users who wish to explore the full-stack operations of graph querying. In this demonstration, we propose a novel VQI system built upon Neo4j called VisualNeo that facilities an efficient subgraph query in large graph databases. VisualNeo inherits several advanced features from recent advanced VQIs, which include the data-driven gui design and canned pattern generation. Additionally, it embodies a database manager module in order that users can connect to generic Neo4j databases. It performs query processing through the Neo4j driver and provides an aesthetic query result exploration.
• Abstract（参考訳）: ビジュアルグラフクエリインタフェース(VQI)は、非プログラマが視覚的なクエリを直感的に構築することでグラフデータをクエリすることを可能にする。 対話型検索と探索のためのグラフクエリエンジン(GQE)の効率的な技術開発も長年にわたって研究されてきた。 しかし、これら2つの活発な科学分野は伝統的に互いに独立しており、グラフクエリーのフルスタック操作を探求したいユーザーにとって大きな障壁となっている。 本稿では,Neo4j上に構築された新しいVQIシステムであるVisualNeoを提案する。 VisualNeoは、データ駆動のguiデザインとcannedパターン生成を含む、最近の高度なVQIからいくつかの高度な機能を継承している。 さらに、ユーザが一般的なNeo4jデータベースに接続できるように、データベースマネージャモジュールを具現化している。 Neo4jドライバを通じてクエリ処理を実行し、美的なクエリ結果探索を提供する。

関連論文リスト

• VizGen: Data Exploration and Visualization from Natural Language via a Multi-Agent AI Architecture [0.0]
  VizGenはAIによるグラフ生成システムで、ユーザーが自然言語を使って意味のある視覚化を作成できるようにする。 マルチエージェントアーキテクチャ上に構築されたVizGenのハンドレスql生成、グラフ生成、カスタマイズ、洞察抽出。
  論文  参考訳（メタデータ） (2025-09-26T11:31:00Z)
• Query-Aware Graph Neural Networks for Enhanced Retrieval-Augmented Generation [0.0]
  検索強化生成(RAG)のための新しいグラフニューラルネットワークアーキテクチャを提案する。 提案手法は,テキストチャンク間の逐次的および意味的関係をキャプチャする,エピソードごとの知識グラフを構築する。 ユーザクエリに基づいてグラフの関連部分に動的にフォーカスするクエリ誘導プーリングを備えた拡張グラフアテンションネットワークを導入する。
  論文  参考訳（メタデータ） (2025-07-25T19:42:27Z)
• Top Ten Challenges Towards Agentic Neural Graph Databases [56.92578700681306]
  Neo4jやTigerGraphのようなグラフデータベース(GDB)は相互接続されたデータを扱うのが得意だが、高度な推論機能が欠けている。 本稿では,NGDBを3つのコア機能で拡張するエージェント型ニューラルネットワークデータベース(Agentic NGDB)を提案する。
  論文  参考訳（メタデータ） (2025-01-24T04:06:50Z)
• Towards Evaluating Large Language Models for Graph Query Generation [49.49881799107061]
  大言語モデル(LLM)は、生成人工知能(GenAI)の景観に革命をもたらしている 本稿では,オープンアクセス LLM を用いてグラフデータベースと対話する強力な言語としてクエリを生成することの課題について比較検討する。 クエリ生成精度を実証的に分析したところ、Claude Sonnet 3.5は特定のドメインでそれよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-11-13T09:11:56Z)
• 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)
• Automatic Relation-aware Graph Network Proliferation [182.30735195376792]
  GNNを効率的に検索するためのARGNP(Automatic Relation-Aware Graph Network Proliferation)を提案する。 これらの操作は階層的なノード/リレーショナル情報を抽出し、グラフ上のメッセージパッシングのための異方的ガイダンスを提供する。 4つのグラフ学習タスクのための6つのデータセットの実験により、我々の手法によって生成されたGNNは、現在最先端の手作りおよび検索に基づくGNNよりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-05-31T10:38:04Z)
• 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)
• A Novel Approach for Generating SPARQL Queries from RDF Graphs [0.0]
  この研究は、研究マスターの論文プロジェクトの一部として行われている。 目標は、RDFグラフをクエリするために、ユーザが提供するキーワードに基づいてSPARQLクエリを生成することだ。
  論文  参考訳（メタデータ） (2020-05-30T18:28:49Z)

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。