Fugu-MT 論文翻訳(概要): MIRAGE: Metadata-Integrated Repository Analysis and Guided Enhancement for MSR Datasets

論文の概要: MIRAGE: Metadata-Integrated Repository Analysis and Guided Enhancement for MSR Datasets

arxiv url: http://arxiv.org/abs/2606.07611v1
Date: Fri, 29 May 2026 16:10:18 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-15 07:09:36.778129
Title: MIRAGE: Metadata-Integrated Repository Analysis and Guided Enhancement for MSR Datasets
Title（参考訳）: MIRAGE:MSRデータセットのメタデータ統合リポジトリ分析とガイド付き拡張
Abstract要約: 本研究は、MSRデータセットの分析に特化して作成された、以前のデータセットディレクトリに拡張する。 2013年から2024年にかけて提示されたMLR論文のメタデータは、Semantic Scholar APIを使用して収集されている。この研究は、リポジトリホスティングサイトとデータフォーマットの選択が、引用パターンとデータセットのユーザビリティに影響を及ぼすことを明らかにした。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes an improved approach to the analysis of Mining Software Repositories (MSR) datasets via metadata enrichment, FAIRness assessment, and topic-driven analysis. This research expands upon an earlier dataset directory created specifically for the analysis of MSR datasets by adding new annotations to the datasets, enriching the metadata categories, and offering more advanced filtering options. The metadata of the MSR papers presented from 2013 to 2024 has been gathered using the Semantic Scholar API. The analysis is based on Latent Dirichlet Allocation (LDA) topic modeling and statistical analysis. Dataset-level attributes were included into the expanded dataset directory, namely repository hosting site, format, accessibility, reusability, and dataset quality. The study reveals that the choice of repository hosting sites and data formats influences citation patterns and dataset usability. Furthermore, the enhanced annotation approach improves the analysis and discoverability of MSR datasets, supporting more effective reuse and evaluation of research artifacts.
Abstract（参考訳）: 本稿では、メタデータの充実、FAIRnessアセスメント、トピック駆動分析によるマイニングソフトウェアリポジトリ(MSR)データセットの分析の改善手法を提案する。この研究は、データセットに新しいアノテーションを追加し、メタデータカテゴリを強化し、より高度なフィルタリングオプションを提供することにより、MLRデータセットの分析に特化して作成された以前のデータセットディレクトリを拡大する。 2013年から2024年にかけて提示されたMLR論文のメタデータは、Semantic Scholar APIを使用して収集されている。この分析は、LDA(Latent Dirichlet Allocation)トピックモデリングと統計解析に基づいている。データセットレベルの属性は拡張されたデータセットディレクトリ、すなわちリポジトリホスティングサイト、フォーマット、アクセシビリティ、再利用性、データセットの品質に含まれていた。この研究は、リポジトリホスティングサイトとデータフォーマットの選択が、引用パターンとデータセットのユーザビリティに影響を及ぼすことを明らかにした。さらに、拡張アノテーションアプローチは、MSRデータセットの分析と発見性を改善し、研究成果物のより効果的な再利用と評価をサポートする。

関連論文リスト

Multi-Disciplinary Dataset Discovery from Citation-Verified Literature Contexts [0.0]
本稿では,学術論文の引用文脈からデータセットを抽出する文献駆動フレームワークを提案する。提案手法は,大規模引用コンテキスト抽出,スキーマ誘導型データセット認識,証明保存エンティティ解決を併用する。コード、評価データセット、結果はGitHubで公開しています。
論文参考訳（メタデータ） (2026-01-08T16:46:06Z)
LongDA: Benchmarking LLM Agents for Long-Document Data Analysis [55.32211515932351]
LongDAは、長いドキュメントと複雑なデータをナビゲートする実際の設定をターゲットとしています。 LongTAは、ドキュメントアクセス、検索、コード実行を可能にするツール拡張されたエージェントフレームワークである。実験の結果, 最先端モデルにおいても, かなりの性能差が認められた。
論文参考訳（メタデータ） (2026-01-05T23:23:16Z)
Closing the Data Loop: Using OpenDataArena to Engineer Superior Training Datasets [46.480867560675584]
アドホックなキュレーションからOpenDataArena(ODA)を用いたクローズドループデータセットエンジニアリングフレームワークへのパラダイムシフトを提案する。 textbfODA-Math460-kは、AIMEやHMMTなどのベンチマークでステート・オブ・ザ・アーツ(SOTA)結果を達成するために、新しい2段階の難易度対応パイプラインを利用する特殊な数学推論データセットであり、textbfODA-Mixture (100k & 500k) はアンカー・アンド・アンカーで構築された一連のマルチドメイン命令データセットである。
論文参考訳（メタデータ） (2025-12-30T17:46:38Z)
Metadata-Driven Retrieval-Augmented Generation for Financial Question Answering [0.0]
文脈的にリッチなドキュメントチャンクを作成するための高度なインデックスパイプラインを導入します。我々は、検索前フィルタリング、検索後再ランク付け、エンリッチな埋め込みなど、さまざまな拡張のスペクトルをベンチマークする。提案する最適アーキテクチャは、LLM駆動の事前検索最適化とコンテキスト埋め込みを組み合わせることで、優れた性能を実現する。
論文参考訳（メタデータ） (2025-10-28T13:16:36Z)
Analytical Survey of Learning with Low-Resource Data: From Analysis to Investigation [192.53529928861818]
高リソースデータによる学習は人工知能(AI)において大きな成功を収めたしかし、データアノテーションやモデルトレーニングに関連するコストは依然として大きい。本調査では,低リソースデータからの学習に伴う一般化誤差とラベル複雑性を分析するために,アクティブサンプリング理論を用いた。
論文参考訳（メタデータ） (2025-10-10T03:15:42Z)
Scaling Generalist Data-Analytic Agents [95.05161133349242]
DataMindは、汎用データ分析エージェントを構築するために設計されたスケーラブルなデータ合成およびエージェントトレーニングレシピである。 DataMindは、オープンソースのデータ分析エージェントを構築する上で重要な3つの課題に取り組む。
論文参考訳（メタデータ） (2025-09-29T17:23:08Z)
From Parameters to Performance: A Data-Driven Study on LLM Structure and Development [73.67759647072519]
大規模言語モデル(LLM)は、様々な領域で大きな成功を収めている。モデルスケールと能力の急激な成長にもかかわらず、構造構成がパフォーマンスに与える影響に関する体系的なデータ駆動の研究は依然として少ない。多様なオープンソースLLM構造を含む大規模データセットと,その性能を複数のベンチマークで比較した。
論文参考訳（メタデータ） (2025-09-14T12:20:39Z)
Flexible metadata harvesting for ecology using large language models [3.4117490081172774]
大規模言語モデル(LLM)に基づくメタデータ抽出装置を開発した。任意のデータセットのランディングページからメタデータを柔軟に抽出する。既存のメタデータ標準を使用して、これらをユーザ定義の統一フォーマットに変換する。
論文参考訳（メタデータ） (2025-08-21T10:10:29Z)
MOLE: Metadata Extraction and Validation in Scientific Papers Using LLMs [48.73595915402094]
MOLEは、アラビア語以外の言語のデータセットをカバーする科学論文からメタデータ属性を自動的に抽出するフレームワークである。本手法では,複数の入力形式にまたがって文書全体を処理し,一貫した出力に対する堅牢な検証機構を組み込む。
論文参考訳（メタデータ） (2025-05-26T10:31:26Z)
Large Language Models and Synthetic Data for Monitoring Dataset Mentions in Research Papers [0.0]
本稿では,研究領域間のデータセット参照検出を自動化する機械学習フレームワークを提案する。我々は,研究論文からゼロショット抽出,品質評価のためのLCM-as-a-Judge,および改良のための推論剤を用いて,弱教師付き合成データセットを生成する。推論では、ModernBERTベースの分類器がデータセットの参照を効率的にフィルタリングし、高いリコールを維持しながら計算オーバーヘッドを低減する。
論文参考訳（メタデータ） (2025-02-14T16:16:02Z)
The State of Data Curation at NeurIPS: An Assessment of Dataset Development Practices in the Datasets and Benchmarks Track [1.5993707490601146]
この研究は、データキュレーションのレンズを通してNeurIPSにおけるデータセット開発プラクティスの分析を提供する。本稿では,ルーブリックとツールキットからなるデータセットドキュメンテーションの評価フレームワークを提案する。結果は、環境のフットプリント、倫理的考慮、データ管理に関するドキュメントの必要性がさらに高まっていることを示している。
論文参考訳（メタデータ） (2024-10-29T19:07:50Z)
infoVerse: A Universal Framework for Dataset Characterization with Multidimensional Meta-information [68.76707843019886]
infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。 infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
論文参考訳（メタデータ） (2023-05-30T18:12:48Z)

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。