論文の概要: Orchestrating Black-Box Schema Converters: An Empirical Study of Automated, Quality-Ranked Conversion Across Heterogeneous Schema Languages
- arxiv url: http://arxiv.org/abs/2606.26180v1
- Date: Wed, 24 Jun 2026 12:37:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.023345
- Title: Orchestrating Black-Box Schema Converters: An Empirical Study of Automated, Quality-Ranked Conversion Across Heterogeneous Schema Languages
- Title（参考訳）: ブラックボックススキーマ変換器のオーケストレーション:不均一なスキーマ言語間の自動品質保証変換の実証的研究
- Abstract要約: 現代のソフトウェアシステムは、複数のスキーマ言語で同じデータモデルを必要とする。
スキーマ言語間のコンバータは見つけにくく、エコシステムに散らばり、不均一な品質で、しばしば失われます。
我々のアプローチでは、スキーマ言語をノードとコンバータとしてモデル化し、指向エッジとしてブラックボックスとして扱う。
オープンソースのConversion Orchestratorとして実現し、MetaConfiguratorに統合し、現実世界のスキーマから構築された60の変換タスクで評価します。
- 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: Modern software systems routinely need the same data model in several schema languages: a model may exist as JSON Schema for a web API, as XSD for data exchange, and as SHACL for a knowledge graph. Keeping these representations consistent as the model evolves is a recurring construction and maintenance burden, because converters between schema languages are hard to find, scattered across ecosystems, of uneven quality, and frequently lossy. We study, empirically, to what extent such imperfect, heterogeneous converters can be orchestrated into automated, reproducible, and quality-ranked conversions, and where the current converter landscape reaches its limits. Our approach models schema languages as nodes and converters, treated as black boxes, as directed edges, so that conversions become paths that are discovered, executed, ranked, and reported with full per-step provenance, with failures handled by trying alternatives. We realize it as the open-source Schema Conversion Orchestrator, integrate it into MetaConfigurator, and evaluate it on 60 conversion tasks built from real-world schemas across five schema languages, using agent-assisted, human-reviewed quality annotations. Orchestration surfaces a usable result for 43 of 60 tasks; the remaining failures localize concrete gaps in the converter landscape. We discuss implications for tool builders and for measuring conversion quality.
- Abstract（参考訳）: モデルはWeb APIのJSONスキーマ、データ交換のXSD、知識グラフのSHACLとして存在することができる。
スキーマ言語間のコンバータを見つけるのが難しく、エコシステムに分散し、不均一な品質を持ち、しばしば損失を被るからだ。
我々は、このような不完全で不均一なコンバータが、どの程度自動化され、再現可能で、品質の高いコンバータに編成できるか、そして現在のコンバータのランドスケープがその限界に達するかを実証的に研究する。
当社のアプローチでは,スキーマ言語をノードとコンバータとしてモデル化し,ブラックボックスとして処理し,エッジとして処理する。
オープンソースのSchema Conversion Orchestratorとして実現し、MetaConfiguratorに統合し、5つのスキーマ言語にまたがる現実世界のスキーマから構築された60の変換タスクで評価します。
オーケストレーションは60タスク中43タスクで使用可能な結果となり、残りの障害はコンバータのランドスケープで具体的なギャップをローカライズする。
ツールビルダーと変換品質の測定について論じる。
関連論文リスト
- Generating Workflow DAGs from Natural Language with Non-Reasoning LLMs [0.08537603362277842]
ニューロシンボリックな分解により、より低コストで非合理的な大規模言語モデルにより複雑なワークフローDAGを生成することができることを示す。
本手法は,判定精度を24ポイント向上し,推論モデルのアウト・オブ・ザ・ボックス品質に対する統計的等価性を実現する。
論文 参考訳（メタデータ） (2026-08-31T05:01:29Z) - Model-Driven Discipline for Multi-Agent LLMs: Requirement-to-Verification Generation of Traceable System Models [62.62160094849002]
RADIANTは、MDEとMulti-Agent Large Language Modelを組み合わせたエンジニアリング方法論である。
工学的なフェーズにまたがる異種モデルを自動的に生成する。
正確かつ自動的な変更インパクト分析を提供する。
論文 参考訳（メタデータ） (2026-07-18T08:50:55Z) - Single-Language Evidence Is Insufficient for Automated Logging: A Multilingual Benchmark and Empirical Study with LLMs [39.533189552746116]
本稿では,6つのプログラミング言語エコシステムにまたがるベンチマークおよび実証研究であるMultiLogBenchについて述べる。
統一されたプロトコル下での7つの現代の大規模言語モデルを用いて、ロギングサイトローカライゼーション、フレームワーク・アンカーマッチング、重大度予測、メッセージ生成、変数回復、そしてケースドされた全体的な品質を評価する。
論文 参考訳（メタデータ） (2026-04-19T16:43:17Z) - SAGAI-MID: A Generative AI-Driven Middleware for Dynamic Runtime Interoperability [1.2744523252873352]
SAGAI-MIDは、大規模言語モデル(LLM)を使用して実行時にスキーマミスマッチを動的に検出し、解決するFastAPIである。
SAGAI-MIDは、バージョンマイグレーション、IoTから分析へのブリッジング、および2つのプロバイダからの6つのLLM間のプロトコル変換にまたがる10の相互運用性シナリオで評価する。
論文 参考訳（メタデータ） (2026-03-30T17:46:41Z) - Advancing Automated In-Isolation Validation in Repository-Level Code Translation [9.753507630426832]
Repositoryレベルのコード変換は、機能を自動的に保存しながら、プログラミング言語間でリポジトリ全体を移行することを目的としている。
本稿では、文脈認識型分解能とモックベースのインソレーション検証を組み合わせたTRAMを提案する。
TRAMはJava-to-Python翻訳の最先端性能を示し、RAGベースの型分解能と信頼性の高いインアイソレーションバリデーションとの統合の有効性を強調している。
論文 参考訳（メタデータ） (2025-11-26T19:53:46Z) - Schema Lineage Extraction at Scale: Multilingual Pipelines, Composite Evaluation, and Language-Model Benchmarks [3.3705400036304205]
セマンティックドリフト(Semantic drift)は、データとガバナンスを妥協し、テキストからRAGまでのサービスの有用性を損なう。
本稿では,多言語エンタープライズパイプラインスクリプトから細粒度スキーマを自動抽出するフレームワークを提案する。
結果:単一推論トレースを使用した32Bオープンソースモデルは、標準プロンプトの下でGPTシリーズに匹敵するパフォーマンスを達成することができる。
論文 参考訳（メタデータ） (2025-08-10T05:04:32Z) - AI-assisted JSON Schema Creation and Mapping [0.0]
本稿では,大規模言語モデル(LLM)と決定論的手法を組み合わせて,ユーザによる自然言語入力に基づく生成,修正,スキーママッピングを実現するハイブリッドアプローチを提案する。
この作業は、非専門家のための構造化データモデリングとデータ統合に対する障壁を著しく減らします。
論文 参考訳（メタデータ） (2025-08-07T09:27:10Z) - StackTrans: From Large Language Model to Large Pushdown Automata Model [63.37860663635374]
Transformerアーキテクチャは、人工知能の幅広い分野において目覚ましい進歩として現れてきた。
大規模言語モデル(LLM)の問題を解決するためにStackTransを提案する。
注意計算を変更する従来のアプローチとは異なり、StackTransはトランスフォーマー層間で隠された状態スタックを明示的に組み込んでいる。
論文 参考訳（メタデータ） (2025-07-21T07:58:03Z) - PICASO: Permutation-Invariant Context Composition with State Space Models [98.91198288025117]
State Space Models (SSM) は、コンテキストのデータベースを固定次元の状態にマッピング可能にすることで、有望なソリューションを提供する。
本研究では,SSM力学から導かれる単純な数学的関係を,生のコンテキストトークンの連結効果を効率的に近似する複数の状態に構成する。
我々は,WikiText と MSMARCO をゼロショットと微調整の両方で評価し,平均5.4倍のスピードアップを楽しみながら最強の演奏ベースラインと一致できることを示す。
論文 参考訳（メタデータ） (2025-02-24T19:48:00Z) - Rethinking Addressing in Language Models via Contexualized Equivariant Positional Encoding [89.52931576290976]
本研究では,コンテキストbfTextualized equivaritextbfAnt textbfPosition textbfEncoding(textbfTAPE)を提案する。
提案手法は,パラメータ効率の良い微調整を最小限のオーバーヘッドで実現し,事前学習した変換器に容易に組み込むことができる。
論文 参考訳（メタデータ） (2025-01-01T03:23:00Z) - Matchmaker: Self-Improving Large Language Model Programs for Schema Matching [60.23571456538149]
本稿では,スキーママッチングのための合成言語モデルプログラムを提案する。
Matchmakerは、ラベル付きデモを必要とせずに、ゼロショットで自己改善する。
実証的に、Matchmakerが以前のMLベースのアプローチより優れている実世界の医療スキーママッチングベンチマークを実証する。
論文 参考訳（メタデータ） (2024-10-31T16:34:03Z) - Tree-structured Attention with Hierarchical Accumulation [103.47584968330325]
階層的累積」は解析木構造を一定時間複雑度で自己注意に符号化する。
提案手法は,4つの IWSLT 翻訳タスクと WMT'14 翻訳タスクにおいて,SOTA 法より優れている。
論文 参考訳（メタデータ） (2020-02-19T08:17:00Z)
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。