論文の概要: Queryable Self-Organizing Maps: A Database Abstraction for Topology-Driven Data Exploration

• arxiv url: http://arxiv.org/abs/2607.22843v1
• Date: Fri, 24 Jul 2026 18:32:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:14.89078
• Title: Queryable Self-Organizing Maps: A Database Abstraction for Topology-Driven Data Exploration
• Title（参考訳）: クエリ可能な自己組織化マップ: トポロジ駆動データ探索のためのデータベース抽象化
• Authors: Denis Mayr Lima Martins, Gottfried Vossen,
• Abstract要約: 本稿では,代表者,周辺関係,オブジェクト代入,派生要約からなる問合せ可能なデータアーティファクトの抽象化について紹介する。 私たちはこのアイデアを、データベースを離れることなく、ユーザがデータトポロジを探索できるように、SOMアーティファクトをクエリ可能なプロトタイプであるMapDBでインスタンス化します。
• 参考スコア（独自算出の注目度）: 0.42970700836450487
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Self-Organizing Maps (SOMs) have long been used as exploratory tools for high-dimensional data: they organize objects into a two-dimensional topology that reveals clusters, gradients, sparse regions, dense regions, and boundaries. Yet, in modern data systems, SOMs are typically trained and visualized outside the DBMS, disconnected from the relational data they summarize. We introduce the abstraction of a queryable data map: a learned topological artifact consisting of representatives, neighborhood relations, object assignments, and derived summaries. We instantiate this idea with MapDB, a lightweight prototype that makes SOM artifacts queryable so users can explore data topology without leaving the database. Experimental study shows that SOM training is feasible at moderate analytical scale, that map queries are interactive after materialization, and that SOM regions provide meaningful targets for exploratory SQL.
• Abstract（参考訳）: 彼らはオブジェクトを2次元のトポロジーに整理し、クラスタ、勾配、スパース領域、密集した領域、境界を明らかにする。 しかし、現代のデータシステムでは、SOMは一般的にDBMSの外で訓練され、視覚化され、それらが要約した関係データから切り離される。 本稿では,クエリ可能なデータマップの抽象化について紹介する。代表者,周辺関係,オブジェクト代入,派生要約からなる学習的トポロジカルアーティファクトである。 これはSOMアーティファクトをクエリー可能な軽量プロトタイプで、ユーザはデータベースを離れることなく、データトポロジを探索できる。 実験により、SOMトレーニングは、適度な分析スケールで実現可能であること、マップクエリが物質化後に対話的であること、および、SOMリージョンが探索的SQLに対して有意義なターゲットを提供することを示す。

関連論文リスト

• Tracing the Roots: A Multi-Agent Framework for Uncovering Data Lineage in Post-Training LLMs [81.43302841109349]
  学習後のデータは、大規模言語モデル(LLM)の機能を形成する上で重要な役割を果たす 本稿では,データセット開発における進化グラフを再構築する自動マルチエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-12T06:24:07Z)
• A Hierarchical Multi-Agent System for Autonomous Discovery in Geoscientific Data Archives [0.0]
  PANGAEA-GPTは、自律的なデータ発見と分析のために設計された階層型マルチエージェントフレームワークである。 標準のLarge Language Model (LLM)ラッパーとは異なり、我々のアーキテクチャは集中型スーパーバイザ-ワーバートポロジを実装している。 人間の介入を最小限に抑えながら、複雑な多段階決定論的ランタイムを実行するシステムの能力を実証する。
  論文  参考訳（メタデータ） (2026-02-24T20:37:38Z)
• KRAFT: A Knowledge Graph-Based Framework for Automated Map Conflation [25.65637931342837]
  デジタルマップはナビゲーション、艦隊管理、ライドシェアリングといった様々なアプリケーションにおいて重要な役割を担っている。 マップの畳み込み(Map conflation)は、別のGDBを使用して、欠落した空間的特徴を割くGDBの拡張プロセスである。 我々は知識グラフ構築、マップマッチング、マップマージという3つの部分からなる学習ベースのアプローチであるKRAFTを開発する。
  論文  参考訳（メタデータ） (2025-09-04T22:15:11Z)
• Explainable Mapper: Charting LLM Embedding Spaces Using Perturbation-Based Explanation and Verification Agents [11.168089496463125]
  大規模言語モデル(LLM)は、単語、文、概念間のリッチな意味的および構文的関係をキャプチャする高次元埋め込みを生成する。 これらの埋め込み特性の半自動アノテーションのためのフレームワークを導入する。
  論文  参考訳（メタデータ） (2025-07-24T17:43:40Z)
• MapExplorer: New Content Generation from Low-Dimensional Visualizations [60.02149343347818]
  低次元の可視化や「投影マップ」は大規模で複雑なデータセットの解釈に広く用いられている。 これらの視覚化は、既存の知識空間を理解するのに役立つだけでなく、未知の領域への探索を暗黙的にガイドする。 プロジェクションマップ内の座標をコヒーレントでコンテキストに整合したテキストコンテンツに変換する新しい知識発見タスクであるMapExplorerを紹介する。
  論文  参考訳（メタデータ） (2024-12-24T20:16:13Z)
• Minimally Supervised Learning using Topological Projections in Self-Organizing Maps [55.31182147885694]
  自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。 提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。 提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2024-01-12T22:51:48Z)
• MGeo: Multi-Modal Geographic Pre-Training Method [49.78466122982627]
  マルチモーダルジオグラフィック言語モデル(MGeo)を提案する。 MGeoはGCを新しいモダリティとして表現し、正確なクエリ-POIマッチングのためのマルチモーダル相関を完全に抽出することができる。 提案するマルチモーダル事前学習法は,汎用PTMのクエリ-POIマッチング能力を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2023-01-11T03:05:12Z)
• Topological Data Analysis of Database Representations for Information Retrieval [2.729524133721473]
  永続ホモロジーはデータベーストポロジーの厳密な特徴付けを提供する。 我々は、一般的な埋め込みが接続を維持するのに失敗することを示した。 この効果を捉えるために、拡散不変ボトルネック距離を導入する。
  論文  参考訳（メタデータ） (2021-04-04T19:29:47Z)
• A Survey and Implementation of Performance Metrics for Self-Organized Maps [0.0]
  自己組織化マップアルゴリズムは、様々なアプリケーションドメインで40年近く使われてきた。 本稿では、使用例とともに、モジュールで利用可能なメトリクスについて紹介する。
  論文  参考訳（メタデータ） (2020-11-11T15:28:33Z)

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。