論文の概要: ERUnderstand: Evaluating Vision-Language Models on Structured ER Diagrams
- arxiv url: http://arxiv.org/abs/2607.24707v1
- Date: Mon, 27 Jul 2026 17:46:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.526505
- Title: ERUnderstand: Evaluating Vision-Language Models on Structured ER Diagrams
- Title（参考訳）: ERUnderstand:構造化ER図を用いた視覚言語モデルの評価
- Abstract要約: ERUnderstandはER図の構造的理解のための最初の大規模ベンチマークである。
教育資料から収集した2,960の図、現実世界のスキーマ、合成された例で構成されている。
各図は、標準化された機械可読表現と組み合わせて、スキーマ要素のきめ細かい評価を行う。
- 参考スコア（独自算出の注目度）: 7.194860475852643
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Entity-Relationship Diagrams (ERDs) are central to conceptual database design, yet they are typically available only as rendered images rather than machine-readable schemas, limiting AI-assisted database engineering. We introduce ERUnderstand, the first large-scale benchmark for structured understanding of ER diagrams, comprising 2,960 diagrams collected from curated educational sources, real-world schemas, and synthetically generated examples spanning diverse domains, notations, complexity levels, and Extended Entity-Relationship (EER) constructs. Each diagram is paired with a standardized machine-readable representation for fine-grained evaluation of schema elements. Evaluating state-of-the-art Vision-Language Models (VLMs), we find that while common ERD elements are recovered reliably (F1 > 0.74), performance drops sharply on weak entities (as low as 0.28 F1), multivalued attributes (0.14 F1), and N-ary relationships (0.07 F1). Reasoning-augmented models improve overall performance by 15-25% but remain sensitive to linguistic priors and increasing diagram complexity. ERUnderstand provides a standardized benchmark for evaluating multimodal understanding of conceptual database schemas. The benchmark, dataset, evaluation toolkit, and generation code are publicly available at https://github.com/salinaria/ERUnderstand.
- Abstract（参考訳）: エンティティ・リレーショナル・ダイアグラム(ERD)は概念データベース設計の中心であるが、一般的には機械可読スキーマではなくレンダリングイメージとしてのみ利用可能であり、AI支援データベースエンジニアリングを制限している。
ERUnderstandはERダイアグラムの構造的理解のための最初の大規模ベンチマークであり、キュレートされた教育ソース、実世界のスキーマ、および様々なドメイン、表記法、複雑性レベル、拡張エンティティ関係(EER)構造にまたがる合成的に生成された例から2,960の図で構成されている。
各図は、標準化された機械可読表現と組み合わせて、スキーマ要素のきめ細かい評価を行う。
最先端のビジョン・ランゲージモデル (VLM) を評価すると、共通ERD要素は確実に復元されるが(F1 > 0.74)、弱いエンティティ(0.28 F1)、複数の値属性(0.14 F1)、N-aryリレーション(0.07 F1)で性能が急激に低下することがわかった。
Reasoning-augmented Modelは、全体的なパフォーマンスを15-25%改善するが、言語的な先行とダイアグラムの複雑さの増大に敏感なままである。
ERUnderstandは概念データベーススキーマのマルチモーダル理解を評価するための標準ベンチマークを提供する。
ベンチマーク、データセット、評価ツールキット、生成コードはhttps://github.com/salinaria/ERUnderstand.comで公開されている。
関連論文リスト
- Universal Encoders for Modular Relational Deep Learning [0.0]
Deep Learning (DL)は、エンド・ツー・エンドの表現のための時間的ヘテロジニアスグラフとしてマルチタブラルデータベースをモデル化する。
既存のアプローチは大きな障害に直面します。
グラフメッセージパッシングから行エンコーディングを分離するモジュール方式を提案する。
論文 参考訳（メタデータ） (2026-06-19T13:49:47Z) - From Unstructured to Structured: LLM-Guided Attribute Graphs for Entity Search and Ranking [20.966359103135762]
本稿では,Large Language Model (LLM) による属性グラフ構築とグラフ対応LLMランキングを組み合わせた2段階のアプローチを提案する。
オフラインの段階では、構造化されていないテキストから構造化された製品属性を抽出し、カテゴリ対応スキーマを用いた再利用可能な属性グラフを構築する。
オンラインの段階では、検索した候補を、原文ではなくこの構造化された表現を推論してランク付けし、商品単位のトークン使用量を57%削減し、ランキング精度を向上した。
論文 参考訳（メタデータ） (2026-04-30T04:22:20Z) - SO-Bench: A Structural Output Evaluation of Multimodal LLMs [43.74273224757814]
マルチモーダルな大規模言語モデル (MLLM) は、現実のエージェント的な設定でますます多くデプロイされている。
テキスト領域における構造化生成の最近の進歩にもかかわらず、スキーマ基底情報抽出と視覚的入力に対する推論を体系的に評価するベンチマークはいまだ存在しない。
我々は、慎重に設計されたSO-Benchベンチマークを用いて、MLLMの視覚構造出力能力を総合的に研究する。
論文 参考訳（メタデータ） (2025-11-23T16:53:16Z) - 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) - Relational Deep Learning: Challenges, Foundations and Next-Generation Architectures [50.46688111973999]
グラフ機械学習は、任意のグラフ構造化データで学習するモデルの能力を大幅に向上させた。
従来の工学的特徴を伴わない'関係エンティティグラフ'のエンドツーエンド表現を可能にする新しい青写真を提案する。
本稿では、大規模マルチテーブル統合や、時間力学と異種データのモデリングの複雑さなど、重要な課題について論じる。
論文 参考訳（メタデータ） (2025-06-19T23:51:38Z) - RelDiff: Relational Data Generative Modeling with Graph-Based Diffusion Models [83.6013616017646]
RelDiffは、外部キーグラフ構造を明示的にモデル化することによって完全な関係データベースを合成する新しい拡散生成モデルである。
RelDiffは、現実的で一貫性のある合成リレーショナルデータベースの作成において、従来手法よりも一貫して優れている。
論文 参考訳（メタデータ） (2025-05-31T21:01:02Z) - AutoSchemaKG: Autonomous Knowledge Graph Construction through Dynamic Schema Induction from Web-Scale Corpora [51.77079220622184]
完全自律的な知識グラフ構築のためのフレームワークであるAutoKGを提案する。
大規模言語モデルを利用して知識トリプルを同時に抽出し,テキストから直接包括的なスキーマを誘導する。
我々は,9億以上のノードと590億のエッジを持つ知識グラフ群であるATLAS(Automated Triple Linking And induction)を構築した。
論文 参考訳（メタデータ） (2025-05-29T16:34:58Z) - Relational Graph Transformer [44.56132732108148]
Graph Transformer (Relel) はリレーショナルテーブル用に設計された最初のグラフトランスである。
Relelは、各ノードを5つのコンポーネントに分解する、新しい多要素トークン化戦略を採用している。
我々のアーキテクチャは、サンプル化されたサブグラフに対する局所的な注意と、学習可能なセントロイドに対するグローバルな注意を組み合わせる。
論文 参考訳（メタデータ） (2025-05-16T07:51:58Z) - RelGNN: Composite Message Passing for Relational Deep Learning [56.48834369525997]
RelGNNはリレーショナルデータベースから構築されたグラフのユニークな構造特性を活用するために特別に設計された新しいGNNフレームワークである。
RelGNNは、Relbench(Fey et al., 2024)から30の多様な実世界のタスクで評価され、ほとんどのタスクで最先端のパフォーマンスを実現し、最大25%の改善を実現している。
論文 参考訳（メタデータ） (2025-02-10T18:58:40Z) - 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) - Entity Disambiguation via Fusion Entity Decoding [68.77265315142296]
より詳細なエンティティ記述を持つエンティティを曖昧にするためのエンコーダ・デコーダモデルを提案する。
GERBILベンチマークでは、EntQAと比較して、エンド・ツー・エンドのエンティティリンクが+1.5%改善されている。
論文 参考訳（メタデータ） (2024-04-02T04:27:54Z)
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。