論文の概要: EviMap: Evidence-Grounded Hierarchical Topic Maps for Exploring Unlabeled Corpora
- arxiv url: http://arxiv.org/abs/2609.06664v1
- Date: Sun, 06 Sep 2026 15:14:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 04:56:53.566376
- Title: EviMap: Evidence-Grounded Hierarchical Topic Maps for Exploring Unlabeled Corpora
- Title（参考訳）: EviMap: ラベルのないコーパスを探索するための、エビデンスを囲む階層的なトピックマップ
- Abstract要約: EviMapは、このようなコーパスの監査可能なテーマ概要を提供するインタラクティブシステムである。
ドキュメント内のエビデンスフレーズを抽出し、アスペクト、グループ、きめ細かいトピックの3レベルマップにまとめます。
ユーザーはトップレベルのコーパスマップから始め、トピックを掘り下げ、オリジナルのドキュメントのハイライトされたエビデンスを検査し、2つのトピックを組み合わせて両方を議論するドキュメントを見つけることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Research teams and organizations often explore unfamiliar free-text collections, from survey comments and reviews to reports and domain documents, before labels, queries or coding schemes exist. At this stage, the first thematic map shapes what users notice, prioritize and carry into downstream analysis, so it should be trusted only insofar as it can be verified. Existing options force a trade-off between scale and verifiability. Qualitative coding preserves evidence but is slow. Search presupposes a query. Clustering and topic models scale but produce labels users must interpret. One-shot large language model (LLM) summaries are fluent yet difficult to reproduce or audit. We present EviMap, an interactive system providing researchers and practitioners with an auditable thematic overview of such corpora. Guided by model-generated context describing the corpus and hypothesized stakeholder concerns, EviMap extracts within-document evidence phrases and organizes them, rather than whole documents, into a three-level map of aspects, groups and fine-grained topics. Embedding-based clustering narrows the search space for finer semantic judgments by the LLM. Each node traces back to supporting phrase spans, so documents link to topics through evidence they contain and users can audit labels against the original text. Users can start from a top-level corpus map, drill into topics, inspect highlighted evidence in original documents, and combine two topics to find documents discussing both. We demonstrate this workflow across six heterogeneous corpora spanning 2,108 to 101,699 documents, with a comparison against flat and hierarchical LLM baselines. By grounding every label in verbatim source spans, EviMap makes a topic map not just readable, but verifiable. Code, demo video, and interactive dashboard are available at https://github.com/zhiyintan/EviMap.
- Abstract（参考訳）: 調査チームや組織は、ラベルやクエリ、コーディングスキームが存在する前に、調査コメントやレビューからレポートやドメイン文書まで、よく知らないフリーテキストコレクションを探索する。
この段階では、第1のテーママップは、ユーザが認識し、優先順位付けし、下流の分析を行うため、検証可能な範囲内でのみ信頼されるべきである。
既存のオプションは、スケールと妥当性のトレードオフを強制します。
定性的なコーディングは証拠を保存するが、遅い。
検索はクエリを前提とします。
クラスタリングとトピックモデルはスケールするが、ユーザは解釈しなければならないラベルを生成する。
ワンショット大言語モデル(LLM)の要約は、再現や監査が困難である。
EviMapは,研究者や実践者に対して,このようなコーパスの可聴な主題的概要を提供する対話型システムである。
コーパスと仮説上のステークホルダーの懸念を記述したモデル生成コンテキストでガイドされたEviMapは、ドキュメント内のエビデンスフレーズを抽出し、ドキュメント全体ではなく、アスペクト、グループ、きめ細かいトピックの3レベルマップにまとめる。
埋め込みベースのクラスタリングは、LLMによるより詳細な意味判断のための検索空間を狭める。
各ノードは、サポートされたフレーズスパンに遡るので、ドキュメントはそれらに含まれる証拠を通してトピックにリンクし、ユーザは元のテキストに対してラベルを監査できる。
ユーザーはトップレベルのコーパスマップから始め、トピックを掘り下げ、オリジナルのドキュメントのハイライトされたエビデンスを検査し、2つのトピックを組み合わせて両方を議論するドキュメントを見つけることができる。
このワークフローは2,108から101,699の文書にまたがる6つの異種コーパスにまたがる。
すべてのラベルを冗長なソーススパンにグラウンドすることで、EviMapは単に読みやすいだけでなく、検証可能なトピックマップを作成する。
コード、デモビデオ、インタラクティブダッシュボードはhttps://github.com/zhiyintan/EviMap.comで公開されている。
関連論文リスト
- Thinking with Anchors: Grounded and Efficient Document Reasoning [87.07530736788898]
ADOPD 2026はADOPDの拡張である。
ADOPD 2026はページ分解を空間的に基底化された文書理解に変換する。
ADOPD 2026は、ページ分解を検証可能なビジュアル・アンカー推論に接続することで、タスク・フレームワークを提供する。
論文 参考訳（メタデータ） (2026-08-05T04:09:05Z) - Query Symbolically or Retrieve Semantically? A Dataset and Method for Semi-Structured Question Answering [2.6264656632831667]
DualGraphは2つの補完的なビューを通じて文書を表現している。意味検索のためのテキスト知識グラフと、型付き主語-述語-オブジェクトトリプルに対するシンボリッククエリのためのシンボリック知識グラフである。
我々はまた、半構造化された製品ドキュメントと、オープンエンドおよび仕様指向の検索にまたがる手動でキュレートされた質問を備えた商用ショッピングウェブサイトのベンチマークであるSpecsQAを紹介します。実験により、DualGraphは、質問タイプ全体にわたって、最先端の密検索、GraphRAG、シンボリック、テーブル指向のベースラインを一貫して上回ります。
論文 参考訳（メタデータ） (2026-05-26T15:22:42Z) - MPDocBench-Parse: Benchmarking Practical Multi-page Document Parsing [74.84107522458798]
MPDocBench-Parseは、現実世界のアプリケーションにおけるマルチページ文書解析のためのベンチマークである。
433の注釈付き文書に3,246ページあり、英語と中国語の15種類の文書を網羅しており、レイアウトは様々である。
論文 参考訳（メタデータ） (2026-05-21T07:36:41Z) - From Documents to Segments: A Contextual Reformulation for Topic Assignment [12.968408805596264]
製品レビューや公開調査の回答など、現実の文書の多くは、複数の異なるトピックを含んでいる。
このミスマッチはしばしばトピックの汚染を引き起こし、無関係なテーマは単一のトピックにマージされる。
セグメントベーストピックアロケーション(SBTA)は,文書全体ではなくセグメントにトピックを割り当てるトピックモデリングの改訂である。
論文 参考訳（メタデータ） (2026-05-18T00:31:46Z) - Chain of Evidence: Pixel-Level Visual Attribution for Iterative Retrieval-Augmented Generation [19.889854990300595]
反復検索拡張生成(iRAG)は、複雑なマルチホップ問題に答える強力なパラダイムとして登場した。
Evidence (CoE) の textbfChain について述べる。
論文 参考訳（メタデータ） (2026-05-02T06:40:42Z) - MoDora: Tree-Based Semi-Structured Document Analysis System [62.01015188258797]
半構造化文書は、様々な不規則なレイアウトで配置された様々なインターリーブされたデータ要素を統合する。
MoDora は半構造化文書解析のための LLM を利用したシステムである。
実験では、MoDoraは5.97%-61.07%の精度でベースラインを上回っている。
論文 参考訳（メタデータ） (2026-02-26T14:48:49Z) - Subtopic-aware View Sampling and Temporal Aggregation for Long-form Document Matching [34.81690842091582]
長文文書マッチングは、2つの文書間の関係を判断することを目的としている。
代表的マッチング信号のモデル化のための新しいフレームワークを提案する。
我々の学習フレームワークは,ニュース重複や判例検索など,いくつかの文書マッチング作業に有効である。
論文 参考訳（メタデータ） (2024-12-10T15:06:48Z) - Contextual Document Embeddings [77.22328616983417]
本稿では,コンテキスト化された文書埋め込みのための2つの補完手法を提案する。
第一に、文書近傍を明示的にバッチ内コンテキスト損失に組み込む別のコントラスト学習目標である。
第二に、隣接する文書情報をエンコードされた表現に明示的にエンコードする新しいコンテキストアーキテクチャ。
論文 参考訳（メタデータ） (2024-10-03T14:33:34Z) - SelfDocSeg: A Self-Supervised vision-based Approach towards Document
Segmentation [15.953725529361874]
文書レイアウト分析は文書研究コミュニティにとって既知の問題である。
個人生活へのインターネット接続が拡大するにつれ、パブリックドメインでは膨大な量のドキュメントが利用できるようになった。
我々は,この課題に自己監督型文書セグメンテーションアプローチと異なり,自己監督型文書セグメンテーションアプローチを用いて対処する。
論文 参考訳（メタデータ） (2023-05-01T12:47:55Z) - Minimally-Supervised Structure-Rich Text Categorization via Learning on
Text-Rich Networks [61.23408995934415]
テキストリッチネットワークから学習することで,最小限に教師付き分類を行う新しいフレームワークを提案する。
具体的には、テキスト理解のためのテキスト解析モジュールと、クラス差別的でスケーラブルなネットワーク学習のためのネットワーク学習モジュールの2つのモジュールを共同でトレーニングします。
実験の結果,1つのカテゴリに3つのシード文書しか与えられず,その精度は約92%であった。
論文 参考訳（メタデータ） (2021-02-23T04:14:34Z) - Multilevel Text Alignment with Cross-Document Attention [59.76351805607481]
既存のアライメントメソッドは、1つの事前定義されたレベルで動作します。
本稿では,文書を文書間注目要素で表現するための階層的アテンションエンコーダを予め確立した新しい学習手法を提案する。
論文 参考訳（メタデータ） (2020-10-03T02:52:28Z)
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。