論文の概要: Zero-Shot Visualization: Exploring Text Corpora with User-Prompted Axes

• arxiv url: http://arxiv.org/abs/2610.06889v1
• Date: Wed, 23 Sep 2026 16:56:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 16:33:44.536092
• Title: Zero-Shot Visualization: Exploring Text Corpora with User-Prompted Axes
• Title（参考訳）: Zero-Shotの可視化: ユーザプロンプト軸によるテキストコーパスの探索
• Abstract要約: テキストコーパスの視覚的探索における大規模言語モデルの応用について検討する。 ゼロショット可視化(ZSV)は、ユーザが自然言語で概念を指定し、文書を対応する概念軸にマッピングして視覚化するタスクである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We study the application of large language models (LLMs) to the visual exploration of textual corpora. We introduce zero-shot visualization (ZSV), a task in which users specify concepts in natural language and documents are mapped onto the corresponding concept axes for visualization. Building a ZSV system of practical value is non-trivial, as it requires choices at the intersection of feature functions, efficient implementation tradeoffs, and pre/post-processing decisions affecting visualization quality. To that end, we establish a benchmark that compares methods spanning embedding similarity, direct semantic judgments, and conditional likelihood estimation in this setting. Across multiple datasets and use cases we evaluate the properties of different scoring methods and design choices in terms of semantic faithfulness, score fidelity, and computational cost. Our results identify that scoring based on next-token probabilities offers the strongest practical trade-off among the evaluated methods. We further apply this approach to unlabeled corpora to examine its behavior in realistic exploratory settings. These experiments highlight additional design considerations, including the use of graded axes together with binary relevance filtering, and reveal a compositional sentiment bias in off-topic documents. Based on these findings, we provide practical guidelines for constructing end-to-end ZSV baselines.
• Abstract（参考訳）: 本研究では,大規模言語モデル(LLM)のテキストコーパスの視覚的探索への応用について検討する。 ゼロショット可視化(ZSV)は、ユーザが自然言語で概念を指定し、文書を対応する概念軸にマッピングして視覚化するタスクである。 機能機能の交差、効率的な実装トレードオフ、可視化品質に影響する前/後処理の決定を必要とするため、ZSVシステムの構築は簡単ではない。 そこで本研究では, 組込み類似性, 直接意味判断, 条件推定を対象とする手法を比較するベンチマークを構築した。 複数のデータセットとユースケースにわたって、セマンティック忠実度、スコア忠実度、計算コストの観点から、異なるスコアリング手法と設計選択の特性を評価します。 この結果から,次世代の確率に基づくスコアリングが,評価手法の中で最強の実践的トレードオフをもたらすことが明らかとなった。 さらに,本手法を未ラベルコーパスに適用し,現実的な探索環境下での挙動について検討する。 これらの実験は、次数付き軸と二項関係フィルタリングを併用することや、オフトピー文書における構成的感情バイアスを明らかにするなど、さらなる設計上の考察を浮き彫りにしている。 これらの知見に基づいて、エンド・ツー・エンドのZSVベースラインを構築するための実践的ガイドラインを提供する。

関連論文リスト

• Evaluating the Interpretability of Sparse Autoencoders with Concept Annotations [12.535445487099393]
  本研究では,SAE潜伏剤と人間注釈概念のアライメントを定量化する人為的評価フレームワークを提案する。 対象属性の摂動によるマッチングを検証する。 我々のフレームワークは、中程度の辞書サイズが最良のトレードオフをもたらし、最も解釈可能なSAEをもたらすことを示唆している。
  論文  参考訳（メタデータ） (2026-06-23T15:39:29Z)
• SOCO: Benchmarking Semantic Object Correspondence in Vision Foundation Models [63.28435103335999]
  セマンティックオブジェクト対応のための新しいベンチマークであるSOCOを紹介する。 視覚基盤のバックボーンは強い意味構造をエンコードするが、関連するカテゴリ間での伝達対応は不十分であることを示す。 また,LVLMは画像マッチングよりもテキストプロンプト部分のローカライゼーションが優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-29T17:58:48Z)
• Optimizing In-Context Demonstrations for LLM-based Automated Grading [31.353360036776976]
  GUIDE(Grading Using Iteratively Designed Exemplars)は、経験的選択と改善を境界中心の最適化問題として再設計するフレームワークである。 物理, 化学, 教育的内容知識の実験において, GUIDE は標準的検索基準を著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2026-02-28T04:52:38Z)
• ConceptScope: Characterizing Dataset Bias via Disentangled Visual Concepts [54.60525564599342]
  ConceptScopeは、ビジュアルデータセットを分析するためのスケーラブルで自動化されたフレームワークである。 概念を、その意味的関連性とクラスラベルとの統計的相関に基づいて、ターゲット、コンテキスト、バイアスタイプに分類する。 既知のバイアスを確実に検出し、未発表のバイアスを発見できる。
  論文  参考訳（メタデータ） (2025-10-30T06:46:17Z)
• Test-time Contrastive Concepts for Open-world Semantic Segmentation with Vision-Language Models [14.899741072838994]
  最近のCLIP-like Vision-Language Models (VLM)は、大量の画像テキストペアで事前訓練され、オープン語彙セマンティックセマンティックセグメンテーションへの道を開いた。 本稿では,クエリ固有のテキストコントラストの概念を自動生成する2つのアプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-06T12:18:43Z)
• Saliency-Bench: A Comprehensive Benchmark for Evaluating Visual Explanations [14.09795099827903]
  Saliency-Benchは、複数のデータセットにわたるSaliencyメソッドによって生成された視覚的説明を評価するために設計された、新しいベンチマークスイートである。 ベンチマークには、視覚的説明の忠実さと整合性を評価するための標準化された統一された評価パイプラインが含まれている。
  論文  参考訳（メタデータ） (2023-10-12T17:26:16Z)
• Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
  文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。 我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。 提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-03-23T08:21:16Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)

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。