論文の概要: Open Tabular Insight Extraction: Where Do We Stand, and Where Should We Go?

• arxiv url: http://arxiv.org/abs/2609.07629v1
• Date: Mon, 07 Sep 2026 15:27:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.457816
• Title: Open Tabular Insight Extraction: Where Do We Stand, and Where Should We Go?
• Title（参考訳）: Open Tabular Insight extract: 私たちはどこに立って、どこへ行くべきか?
• Abstract要約: Open Tabular Insight extract (OpenTI) のための総合的なフレームワークを確立する。 我々は、情報検索、自然言語処理、機械学習、データベース、人間とコンピュータの相互作用にまたがるフレームワークと用語を統合する。 我々は,OpenTIシステム評価に向けた研究課題と,ユーザが必要とする洞察を表面化するインタラクションパラダイムを精査する。
• 参考スコア（独自算出の注目度）: 48.059597186585414
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Democratizing access to the knowledge held in large corpora of tables such as data lakes is emerging as a central research challenge. Research in this space is advancing and broadening in scope, increasingly supplying the components to satisfy a person's insight need end-to-end. Yet these efforts remain fragmented across communities that frame the problem under their own conventions, such as table question answering, text-to-SQL, and data analysis agents, with works six times as likely to cite within the same task label as across labels. To bring these communities onto common ground, we establish a holistic framework for this pursuit, which we refer to as Open Tabular Insight Extraction (OpenTI). We formalize OpenTI from first principles around the analytical knowledge a person needs, the procedure for deriving it from a corpus of tables, and how well a result serves the person who sought it. In doing so we consolidate frameworks and terminology across information retrieval, natural language processing, machine learning, databases, and human-computer interaction, and apply this grounding in a systematic review and analysis of systems and benchmarks that work towards OpenTI. We find that current systems do not cover the end-to-end scope of OpenTI, mainly focusing on the analysis itself, and that benchmarks are largely unfit for evaluations in an open setting as inputs presuppose knowledge of tables, and validation mechanisms do not match the setup. Finally, we distill a research agenda towards OpenTI systems, evaluation, and interaction paradigms that surface the insights users need. An interactive companion to our paper is available at https://open-tabular-insight-extraction.github.io.
• Abstract（参考訳）: データレイクのような大きなコーパスで保持される知識へのアクセスを民主化することは、研究の中心的課題として浮上している。 この分野の研究はスコープを拡大し、個人の洞察をエンド・ツー・エンドで満たすためのコンポーネントを徐々に供給している。 しかし、これらの取り組みは、テーブル質問応答、テキストからSQLへの応答、データ分析エージェントなど、独自の慣習の下で問題を規定するコミュニティで断片化され続けており、ラベルの6倍の作業が同じタスクラベル内で引用される可能性がある。 これらのコミュニティを共通基盤にするために,我々は,オープンタブラルインサイト抽出(Open Tabular Insight extract, OpenTI)と呼ぶ,この追求のための全体的枠組みを確立する。 我々は、OpenTIを、人が必要とする分析的知識に関する第一原則、テーブルのコーパスからそれを導き出す手順、そしてその結果が、それを欲しがった人にどのように役立てるかから定式化する。 そうすることで、情報検索、自然言語処理、機械学習、データベース、人間とコンピュータのインタラクションなどにわたるフレームワークと用語を統合し、OpenTIに向けたシステムとベンチマークの体系的なレビューと分析にこの基礎を適用します。 現在のシステムはOpenTIのエンド・ツー・エンドの範囲をカバーしておらず、主に分析そのものに焦点をあてており、入力がテーブルの知識を前提としており、検証機構が設定と一致しないため、ベンチマークはオープン環境での評価には不適である。 最後に、OpenTIシステム、評価、およびユーザが必要とする洞察を表面化するインタラクションパラダイムに関する研究課題を精査する。 論文のインタラクティブなコンパニオンはhttps://open-tabular-insight-extraction.github.io.comで公開されている。

関連論文リスト

• OpenCUA: Open Foundations for Computer-Use Agents [74.61449905487565]
  コンピュータ・ユース・エージェント(CUA)としての視覚言語モデル 我々は,CUAデータと基盤モデルをスケールするためのオープンソースフレームワークであるOpenCUAを提案する。 我々のエンドツーエンドエージェントモデルはCUAベンチマークで強い性能を示す。
  論文  参考訳（メタデータ） (2025-08-12T17:52:32Z)
• From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
  推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。 静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。 我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
  論文  参考訳（メタデータ） (2025-06-23T17:27:19Z)
• Bridging Queries and Tables through Entities in Table Retrieval [70.13748256886288]
  エンティティは、テキスト検索の文脈でよく研究されているが、テーブル検索におけるその応用についての研究は、顕著に欠如している。 本稿では、実体表現に基づく相互作用パラダイムを設計し、エンティティ強化トレーニングフレームワークを提案する。 提案するフレームワークはプラグアンドプレイでフレキシブルで,既存のテーブルレトリバーのトレーニングプロセスに統合しやすくする。
  論文  参考訳（メタデータ） (2025-04-09T03:16:33Z)
• A Review On Table Recognition Based On Deep Learning [0.0]
  テーブル認識は、コンピュータを使用してテーブルを自動的に理解しています。 ディープラーニング技術の発展は、この分野に新しいパラダイムをもたらした。 本稿では,5つの側面から表認識の問題について議論する。
  論文  参考訳（メタデータ） (2023-12-08T02:58:00Z)
• All Data on the Table: Novel Dataset and Benchmark for Cross-Modality Scientific Information Extraction [39.05577374775964]
  本稿では,テキスト中のエンティティをアノテートする半教師付きパイプラインと,テーブル内のエンティティとリレーションを反復的に提案する。 我々は,高品質なベンチマーク,大規模コーパス,半教師付きアノテーションパイプラインなど,科学コミュニティのための新たなリソースをリリースする。
  論文  参考訳（メタデータ） (2023-11-14T14:22:47Z)
• Deep learning for table detection and structure recognition: A survey [49.09628624903334]
  本調査の目的は,テーブル検出の分野での大きな進展を深く理解することである。 この分野における古典的アプリケーションと新しいアプリケーションの両方について分析する。 既存のモデルのデータセットとソースコードは、読者にこの膨大な文献のコンパスを提供するために組織されている。
  論文  参考訳（メタデータ） (2022-11-15T19:42:27Z)
• A Survey on Open Information Extraction from Rule-based Model to Large Language Model [29.017823043117144]
  オープン情報抽出(OpenIE)は、構造化されていないテキストから構造化情報を引き出すための重要なNLPタスクである。 本調査では,2007年から2024年までのOpenIE技術の概要を概説し,時系列的視点を強調した。 この記事では、OpenIEアプローチをルールベース、ニューラル、トレーニング済みの大規模言語モデルに分類し、時系列フレームワーク内でそれぞれについて議論する。
  論文  参考訳（メタデータ） (2022-08-18T08:03:45Z)
• Tab2Know: Building a Knowledge Base from Tables in Scientific Papers [6.514665180383298]
  本稿では,学術論文の表から知識ベースを構築するための,新たなエンドツーエンドシステムであるTab2Knowを紹介する。 統計に基づく分類器と論理に基づく推論の両方を利用するパイプラインを提案する。 コンピュータサイエンス分野における論文のコーパスを用いたアプローチの実証評価は,満足度を回復した。
  論文  参考訳（メタデータ） (2021-07-28T11:56:53Z)
• Opening up Open-World Tracking [62.12659607088812]
  オープンワールドトラッキング(OWT)の提案と研究 本稿では,OWTタスクの形式化と評価プロトコルとメトリクス(OWTA)について述べる。 我々のOpen-World Tracking Baselineは、OWT設定でうまく機能する一方で、従来のクローズドワールドベンチマークでほぼ最先端の結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-04-22T17:58:15Z)

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。