論文の概要: UniDataAgent: An Ontology-Grounded Agent for Enterprise Question-to-Report Automation
- arxiv url: http://arxiv.org/abs/2609.27257v1
- Date: Wed, 23 Sep 2026 02:42:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.845913
- Title: UniDataAgent: An Ontology-Grounded Agent for Enterprise Question-to-Report Automation
- Title（参考訳）: UniDataAgent: 企業における質問と報告の自動化のためのオントロジーを取り巻くエージェント
- Abstract要約: 我々は、再利用可能な質問-報告分析のために、中国DataUnicom Enterprise(UniDataAgent)を提案する。
Ontology Acquisition and Validationのステージでは、メタデータからバージョン管理されたエンタープライズを構築している。
質問から報告までの実行ステージは、各質問のセマンティックコントラクトをリンクし、スキルとデータツールをコーディネートし、結果を検証し、エビデンスレポートを生成する。
- 参考スコア（独自算出の注目度）: 9.023407050442332
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Enterprise data agents must preserve organization specific semantics, not just translate questions into queries. We present ChinaUnicom DataAgent (UniDataAgent), an ontology grounded system for reusable question-to-report analysis that separates semantic acquisition from online execution. Ontology Acquisition and Validation stage (OAV) builds versioned enterprise ontologies from metadata, business knowledge, and supporting materials through expert authored business skills, constrained generation, question verification, and selected expert review. Question-to-Report Execution (QRE) stage retrieves semantic contracts for each question, coordinates skills and data tools, validates results, and produces evidence linked reports. Across 27 enterprise tables and roughly thousands of metric types, ontology construction took a few hours instead of about one week manually. It took just a few minutes to generate the reports, instead of several working days. Ontology grounding achieved 95.0\% strict accuracy on real business questions, versus 72.5\% for document RAG, especially on structured and compositional tasks. The system has already been deployed to generate cost savings and has the potential to be replicated in other enterprises.
- Abstract（参考訳）: エンタープライズデータエージェントは、質問をクエリに変換するだけでなく、組織固有のセマンティクスを保存する必要がある。
我々は、オンライン実行からセマンティック取得を分離する再利用可能な質問・報告分析のためのオントロジー基盤システムであるChinaUnicom DataAgent(UniDataAgent)を提案する。
Ontology Acquisition and Validation Stage (OAV)は、メタデータ、ビジネス知識、支援材料から、専門的な認可されたビジネススキル、制約された生成、質問検証、選択された専門家レビューを通じて、バージョン管理されたエンタープライズオントロジーを構築する。
Question-to-Report Execution (QRE) ステージでは、各質問のセマンティックコントラクトを取得し、スキルとデータツールをコーディネートし、結果を検証し、エビデンス関連レポートを生成する。
27のエンタープライズテーブルと、およそ数千のメトリックタイプにまたがって、オントロジーの構築には、手作業で約1週間ではなく数時間を要した。
数日間の作業ではなく、レポートを生成するのに数分しかかからなかった。
オントロジーのグラウンディングは、実際のビジネス上の問題に対して95.0\%の厳密な精度を達成したが、ドキュメントRAGでは72.5\%、特に構造化および構成上のタスクでは72.5\%であった。
システムはすでにコスト削減のためにデプロイされており、他の企業でも複製される可能性がある。
関連論文リスト
- DataSpace: Benchmarking Data Agents for Verifiable Analytics over Heterogeneous Workspaces [25.28248447900504]
データエージェントは、組織ワークスペース上の自然言語分析を可能にする。
既存のベンチマークは、構造化クエリ、検索、あるいはオープンエンド分析を主に分離している。
データエージェントが検証可能な表形式の結果を生成するベンチマークであるDataSpaceを紹介する。
論文 参考訳（メタデータ） (2026-08-04T10:48:11Z) - Do Agents Need Semantic Metadata? A Comparative Study in Agentic Data Retrieval [3.6202634353482352]
構造化されていないWebをナビゲートできるLarge Language Models(LLM)の台頭は、根本的な疑問を提起する。
オープンウェブ文書を検索するベースラインエージェントと、スキーマ.orgを用いて9000万のデータセットのコーパスを利用するセマンティックエージェントの2つの異なる環境におけるエージェントデータ検索の比較分析を行う。
セマンティック・エージェントは動作可能なデータを抽出し、メタデータ豊富なレジストリの44.9%の精度と、返却された結果の中で機械可読なダウンロードを持つページの46.6%の精度を達成する。
論文 参考訳（メタデータ） (2026-05-27T17:46:43Z) - TADI: Tool-Augmented Drilling Intelligence via Agentic LLM Orchestration over Heterogeneous Wellsite Data [0.0]
TADI(Tool-Augmented Drilling Intelligence)は、ドリル操作データをエビデンスベースの分析インテリジェンスに変換するエージェントAIシステムである。
TADIは、毎日1,759件の掘削レポート、選択されたWITリアルタイムオブジェクト、15,634件の生産記録、生成トップ、穴を二重ストアアーキテクチャに統合している。
論文 参考訳（メタデータ） (2026-04-30T03:19:39Z) - OIDA-QA: A Multimodal Benchmark for Analyzing the Opioid Industry Documents Archive [50.468138755368805]
オピオイド危機は公衆衛生にとって重要な瞬間である。
UCSF-JHU Opioid Industry Documents Archive(OIDA)に公開されているデータと文書
本稿では,文書属性に応じて元のデータセットを整理することで,この問題に対処する。
論文 参考訳（メタデータ） (2025-11-13T03:27:32Z) - CoDA: Agentic Systems for Collaborative Data Visualization [57.270599188947294]
深層研究はデータ分析に革命をもたらしたが、データサイエンティストは依然として手作業による視覚化にかなりの時間を費やしている。
単純なシングルエージェントシステムやマルチエージェントシステムを含む既存のアプローチは、しばしばタスクを単純化する。
本稿では,メタデータ分析,タスク計画,コード生成,自己回帰に特殊なLLMエージェントを利用するマルチエージェントシステムであるCoDAを紹介する。
論文 参考訳（メタデータ） (2025-10-03T17:30:16Z) - DRBench: A Realistic Benchmark for Enterprise Deep Research [81.49694432639406]
DRBenchは、エンタープライズ環境で複雑でオープンなディープリサーチタスクでAIエージェントを評価するためのベンチマークである。
セールス、サイバーセキュリティ、コンプライアンスなど10のドメインにわたる15のディープリサーチタスクをリリースしています。
論文 参考訳（メタデータ） (2025-09-30T18:47:20Z) - AgenticData: An Agentic Data Analytics System for Heterogeneous Data [12.67277567222908]
AgenticDataはエージェントデータ分析システムで、複数のドメインにまたがるデータソースを自律的に分析しながら、自然言語(NL)の質問に反応することができる。
本稿では,関連するデータを発見するためのデータプロファイリングエージェント,フィードバックに基づく反復最適化のためのセマンティッククロスバリデーションエージェント,短期文脈を維持するためのスマートメモリエージェントを利用するマルチエージェント協調戦略を提案する。
論文 参考訳（メタデータ） (2025-08-07T03:33:59Z) - InfiAgent-DABench: Evaluating Agents on Data Analysis Tasks [84.7788065721689]
本稿では,データ解析タスクにおけるLSMに基づくエージェントの評価に特化して設計された最初のベンチマークであるInfiAgent-DABenchを紹介する。
このベンチマークには52のCSVファイルから得られた257のデータ分析質問からなるデータセットであるDAEvalが含まれている。
エージェントフレームワーク上に構築し,DABench 上で GPT-3.5 を3.9% 上回る特殊エージェント DAAgent を開発した。
論文 参考訳（メタデータ） (2024-01-10T19:04:00Z)
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。