論文の概要: Glyph: A Multi-Strategy Agentic System for Column Description and Sensitivity-Ontology Tagging of Enterprise Data Catalogs

• arxiv url: http://arxiv.org/abs/2609.10430v1
• Date: Wed, 09 Sep 2026 16:43:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.115237
• Title: Glyph: A Multi-Strategy Agentic System for Column Description and Sensitivity-Ontology Tagging of Enterprise Data Catalogs
• Title（参考訳）: Glyph: 企業データカタログの列記述と感度オントロジータグのための多段階エージェントシステム
• Abstract要約: Glyphは,データ分類のためのカラム記述生成と列型アノテーションという2つの結合した問題をファクトリングする生産システムである。 Descriptorは、企業GitHubからオンデマンドで取得された各カラムを生成するパイプラインソースコードに、生成を基盤とする。 3つの評価群にまたがるF2目標に基づいて, エンドツーエンドのマルチラベルタグ付け品質を報告した。
• 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: Enterprise data lakes accumulate tables faster than human stewards can document or classify them, leaving columns with missing descriptions and unassigned governance labels. This documentation debt undermines data discovery, access control, and regulatory compliance. We present Glyph, a production system that frames two coupled problems, column description generation and column type annotation for data classification, as cooperating LLM agents orchestrated as stateful graphs. The Descriptor grounds generation in the pipeline source code that produces each column, retrieved on demand from an enterprise GitHub via a reasoning--acting tool loop (active Retrieval-Augmented Generation). The Tagger assigns labels from a governed 275-leaf Data Classification Ontology by running three complementary strategies in parallel (a description tagger, a line-of-business regex tagger, and a metadata tagger backed by a fine-tuned contrastive encoder over a vector database), then fuses their ranked outputs with Reciprocal Rank Fusion (RRF). We fine-tune a 6-layer MiniLM metadata encoder with an in-batch contrastive objective, lifting same-tag retrieval on an in-distribution held-out split from NDCG@10 0.55 to 0.92 (MAP@100 $0.19 \rightarrow 0.90$) relative to the stock base encoder. We report end-to-end multi-label tagging quality under a recall-weighted F2 objective across three evaluation groups, an ablation isolating each strategy and the RRF fusion, and the engineering decisions that distinguish Glyph from prior column-type-annotation work and from commercial value/regex sensitivity scanners: value-free and code-grounded design, per-tag provenance, and graceful degradation. Together these make multi-agent LLM cataloging auditable and operable as a production service.
• Abstract（参考訳）: エンタープライズデータレイクは、人間のスチュワードよりも早くテーブルを蓄積し、それを文書化したり分類したりできる。 このドキュメントの負債は、データの発見、アクセス制御、規制コンプライアンスを損なう。 本稿では,データ分類のための列記述生成と列型アノテーションという2つの結合した問題を,ステートフルグラフとして編成されたLLMエージェントを協調的に生成する生産システムであるGlyphについて述べる。 Descriptorは、各カラムを生成するパイプラインソースコードに生成を基盤として、推論実行ツールループ(アクティブなRetrieval-Augmented Generation)を通じて、エンタープライズGitHubからオンデマンドで取得される。 Taggerは3つの補完的な戦略(説明タグ、ビジネスライン・オブ・ビジネス・レジェックス・タグ、ベクトルデータベース上の微調整されたコントラストエンコーダによるメタデータ・タグ)を並列に実行することで、275リーフのデータ分類オントロジーからラベルを割り当て、それらのランクアウトプットをReciprocal Rank Fusion (RRF)と融合させる。 我々は,NDCG@10 0.55から0.92(MAP@100 $0.19 \rightarrow 0.90$)に分割して,同一のタグ検索を行う。 本報告では,3つの評価群を対象としたリコール重み付きF2目標に基づくエンドツーエンドのマルチラベルタグ付け品質,各戦略とRFF融合を分離するアブレーション,およびGlyphと従来のカラム型アノテーション作業,および有価感センサとを区別する工学的判断について報告する。 これらが組み合わさって、マルチエージェントLLMカタログが監査可能で、プロダクションサービスとして運用可能である。

関連論文リスト

• Codebook Agent: Amortized Topology Design for LLM Multi-Agent Systems [67.04448659688579]
  クエリ非依存の16エントリのコードブックを開発し、上位のデコード候補を1回のバッチフォワードパスでランク付けする。 反復検索がなく、テスト時にメッセージパッシングがないため、Codebook Agentは6つのベンチマークでもっとも正確な方法である。
  論文  参考訳（メタデータ） (2026-09-02T08:10:22Z)
• TraceCoder: Explainable and Auditable Code Generation with Position-Key Snippet Versioning [0.0]
  本稿では,3つの相補的なメカニズムによる欠点に対処するコード生成概念を提案する。 リレーショナルスニペット履歴スキーマレコード、修理イベント毎、ベンチマークリファレンス、ラウンド番号、障害テキスト、説明。 ブラウザベースの視覚化ツールは、この履歴をヒートマップされたホバリング注釈付きソースコードとして表現する。
  論文  参考訳（メタデータ） (2026-07-28T22:03:52Z)
• Beyond Semantic IDs: Encoding Business-Value Ranking into Document Identifiers for Generative Retrieval [28.485766948414206]
  Generative Retrieval (GR) は、シーケンシャル・ツー・シーケンス生成タスクとして検索を定式化し、各ドキュメントにドキュメント識別子(DocID)を割り当て、自動回帰復号による検索を行う。 離散表現学習に基づく既存のスキームは、固有の衝突問題に悩まされる。 本稿では、DocIDをセマンティッククラスタリングとビジネス価値ランキングに分離し、衝突のない識別子を生成するCRID(Cluster-Ranked Identifier)を提案する。
  論文  参考訳（メタデータ） (2026-07-13T10:57:20Z)
• RelGT-AC: A Relational Graph Transformer for Autocomplete Tasks in Relational Databases [0.0]
  本稿ではRelGT-AC(Relational Graph Transformer for Autocomplete)を提案する。 3つのRelBench v2データセットにまたがる7つのタスクで、RelGT-ACは3つの回帰オートコンプリートタスクすべてでGraphSAGEベースラインを上回り、テキスト重可読タスクで最大AUROCポイントを達成する。
  論文  参考訳（メタデータ） (2026-06-02T02:25:53Z)
• Multi-Agent GraphRAG: A Text-to-Cypher Framework for Labeled Property Graphs [7.943264761730892]
  Multi-Agent GraphRAGはLPGベースのグラフデータに対する自然言語インタフェースとして機能する。 繰り返しコンテンツ認識の修正と正規化は、集約されたフィードバックループによって強化され、生成されたクエリのセマンティックおよび構文的改善の両方を保証する。 このことは、このようなアプローチがAIを大規模に現実世界のアプリケーションにブリッジする方法を強調し、産業用デジタル自動化のユースケースを可能にしている。
  論文  参考訳（メタデータ） (2025-11-11T14:04:00Z)
• RANGER -- Repository-Level Agent for Graph-Enhanced Retrieval [0.38298911754746934]
  汎用自動化ソフトウェアエンジニアリング(ASE)には、コード補完、検索、修復、QA、要約といったタスクが含まれる。 これらのタスクは、コードエンティティやコードエンティティクエリに関する特定のクエリを処理できるコード検索システムを必要とする。 本稿では、両方のクエリタイプに対応するように設計されたリポジトリレベルのコード検索エージェントであるRANGERを紹介する。
  論文  参考訳（メタデータ） (2025-09-27T18:57:02Z)
• Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [79.75818239774952]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。 Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。 本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
  論文  参考訳（メタデータ） (2025-05-22T05:15:27Z)
• Learnable Item Tokenization for Generative Recommendation [113.80559032128065]
  LETTER (Larnable Tokenizer for generaTivE Recommendation) を提案する。 LETTERは、セマンティック正規化のためのResidual Quantized VAE、協調正規化のためのコントラストアライメント損失、コードの割り当てバイアスを軽減するための多様性損失を組み込んでいる。
  論文  参考訳（メタデータ） (2024-05-12T15:49:38Z)
• Use All The Labels: A Hierarchical Multi-Label Contrastive Learning Framework [75.79736930414715]
  本稿では,すべての利用可能なラベルを活用でき,クラス間の階層的関係を維持できる階層型多言語表現学習フレームワークを提案する。 比較損失に階層的ペナルティを併用し,その階層的制約を強制する。
  論文  参考訳（メタデータ） (2022-04-27T21:41:44Z)
• Group-aware Label Transfer for Domain Adaptive Person Re-identification [179.816105255584]
  Unsupervised Adaptive Domain (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインデータセットで訓練されたモデルを、さらなるアノテーションなしでターゲットドメインデータセットに適応することを目的としている。 最も成功したUDA-ReIDアプローチは、クラスタリングに基づく擬似ラベル予測と表現学習を組み合わせて、2つのステップを交互に実行する。 疑似ラベル予測と表現学習のオンラインインタラクションと相互促進を可能にするグループ認識ラベル転送(GLT)アルゴリズムを提案します。
  論文  参考訳（メタデータ） (2021-03-23T07:57:39Z)
• An Empirical Study on Large-Scale Multi-Label Text Classification Including Few and Zero-Shot Labels [49.036212158261215]
  大規模なMulti-label Text Classification (LMTC) は、幅広い自然言語処理 (NLP) アプリケーションを持つ。 Label-Wise Attention Networks (LWANs) を用いた最新のLMTCモデル 確率的ラベル木(PLT)に基づく階層的手法がLWANより優れていることを示す。 BERTとLWANを組み合わせた最先端手法を提案する。
  論文  参考訳（メタデータ） (2020-10-04T18:55:47Z)

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。