論文の概要: From Interaction to Intent: Inferring User Objectives from Provenance Logs

• arxiv url: http://arxiv.org/abs/2607.04501v1
• Date: Sun, 05 Jul 2026 21:02:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.950721
• Title: From Interaction to Intent: Inferring User Objectives from Provenance Logs
• Title（参考訳）: インタラクションからインテントへ:Provenance Logsからユーザオブジェクトを推測する
• Authors: Steffen Holter, Tobias Stähle, Arpit Narechania, Mennatallah El-Assady,
• Abstract要約: 視覚的な探索作業において,ユーザの意図を分類するために,プロファイランスログが利用できることを示す。 異なる分析対象に異なる行動シグネチャが出現することがわかった。 これらの結果から,低レベルの相互作用データが,高レベルの分析意図への実践的なブリッジとして機能することが示唆された。
• 参考スコア（独自算出の注目度）: 16.702841059421377
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The ability to automatically infer analytic intent from user interaction histories could enable interactive AI systems to proactively assist users during exploratory data analysis. In this paper, we examine whether provenance logs -- detailed records capturing sequences and timing of user interactions -- can be used to classify user intentions in visual exploration tasks. To investigate this, we record how participants interact with multiple multidimensional data projections across a range of analytic tasks, capturing fine-grained mouse interaction data throughout each session. We find that distinct behavioral signatures emerge across different analytic objectives. For instance, users examining properties of specific clusters exhibit markedly different interaction patterns compared to those searching for outliers. More importantly, we show that embedding contextual information into interaction provenance enables classifiers to predict user objectives that generalize across datasets and projection methods. These findings demonstrate that low-level interaction data can serve as a practical bridge to high-level analytic intent, contributing to the development of intent-aware visualization systems.
• Abstract（参考訳）: ユーザーインタラクション履歴から分析意図を自動的に推測する能力により、対話型AIシステムは探索データ分析中に積極的にユーザを支援することができる。 本稿では,視覚探索作業におけるユーザの意図を分類するために,ユーザのインタラクションの順序やタイミングを詳細に記録するプロフェランスログを使用できるかを検討する。 そこで本研究では,多次元データプロジェクションと多次元データプロジェクションの相互作用を,各セッション間でのきめ細かいマウスのインタラクションデータを収集する方法について述べる。 異なる分析目的にまたがって異なる行動シグネチャが出現することがわかった。 例えば、特定のクラスタの特性を調べるユーザは、アウトリーチを探すユーザとは大きく異なるインタラクションパターンを示します。 さらに重要なことは、コンテキスト情報を相互作用の証明に埋め込むことで、分類器がデータセットやプロジェクションメソッドをまたいで一般化するユーザ目標を予測できることである。 これらの結果から,低レベルのインタラクションデータは,高レベルの分析意図への実用的なブリッジとして機能し,インテント対応可視化システムの開発に寄与することが示唆された。

関連論文リスト

• Learning Human-Object Interaction as Groups [52.28258599873394]
  GroupHOIは、幾何学的近接性および意味的類似性の観点から文脈情報を伝播するフレームワークである。 これは、より困難な非言語間相互作用検出タスクにおいて、主要なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-10-21T07:25:10Z)
• Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
  本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。 本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
  論文  参考訳（メタデータ） (2024-10-15T07:35:51Z)
• Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
  ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。 コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
  論文  参考訳（メタデータ） (2023-11-26T09:11:32Z)
• What User Behaviors Make the Differences During the Process of Visual Analytics? [1.5285292154680246]
  本研究では,ユーザ行動の包括的データ収集と時系列分類手法を用いた分析手法を提案する。 ユーザスタディでは,デスクトップと没入型2種類の可視化システムを用いて,多様な可視化タスクのユーザ行動を収集している。 この結果から,視覚分析の過程でユーザ行動の区別が可能であり,ユーザの身体行動とそれらが実行する可視化タスクとの間には強い関連性があることが判明した。
  論文  参考訳（メタデータ） (2023-11-01T17:45:52Z)
• Resolving Uncertain Case Identifiers in Interaction Logs: A User Study [0.4014524824655105]
  本稿では,クリックデータのケース概念を決定するニューラルネットワークに基づく手法を提案する。 移動型共有企業のインタラクションデータから得られたセグメント化されたイベントログに基づいて,その有効性を検証する。
  論文  参考訳（メタデータ） (2022-11-21T16:13:04Z)
• A Unified Comparison of User Modeling Techniques for Predicting Data Interaction and Detecting Exploration Bias [17.518601254380275]
  我々は,4つのユーザスタディデータセットの多種多様なセットにおいて,その性能に基づいて8つのユーザモデリングアルゴリズムを比較し,ランク付けする。 本研究は,ユーザインタラクションの分析と可視化のためのオープンな課題と新たな方向性を強調した。
  論文  参考訳（メタデータ） (2022-08-09T19:51:10Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• ConsNet: Learning Consistency Graph for Zero-Shot Human-Object Interaction Detection [101.56529337489417]
  画像中のHuman, Action, Object>の形のHOIインスタンスを検出・認識することを目的としたHuman-Object Interaction (HOI) Detectionの問題点を考察する。 我々は、オブジェクト、アクション、インタラクション間の多レベルコンパレンシーは、稀な、あるいは以前には見られなかったHOIのセマンティック表現を生成するための強力な手がかりであると主張している。 提案モデルでは,人-対象のペアの視覚的特徴とHOIラベルの単語埋め込みを入力とし,それらを視覚-意味的関節埋め込み空間にマッピングし,類似度を計測して検出結果を得る。
  論文  参考訳（メタデータ） (2020-08-14T09:11:18Z)
• Disentangled Graph Collaborative Filtering [100.26835145396782]
  Disentangled Graph Collaborative Filtering (DGCF)は、インタラクションデータからユーザとアイテムの情報表現を学ぶための新しいモデルである。 ユーザ・イテムのインタラクション毎に意図を超越した分布をモデル化することにより、インテント・アウェアなインタラクショングラフと表現を反復的に洗練する。 DGCFはNGCF、DisenGCN、MacridVAEといった最先端モデルよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2020-07-03T15:37:25Z)

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。