論文の概要: Intent Graph: Navigating the Analytical Reasoning Space for Exploratory Data Analysis

• arxiv url: http://arxiv.org/abs/2610.11025v1
• Date: Thu, 08 Oct 2026 00:19:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.71299
• Title: Intent Graph: Navigating the Analytical Reasoning Space for Exploratory Data Analysis
• Title（参考訳）: Intent Graph: 探索的データ分析のための分析推論空間のナビゲーション
• Abstract要約: DAG-EDAは、アナリストとLLMが2つの連結構造を通して分析可能な空間をコナビゲートすることを可能にする。 インテントグラフは、あいまいな自然言語の質問を段階的に具体的な分析タスクに分解する。 多層知識グラフは、LLMのドメイン知識を外部化し、ドメイン概念をデータセット変数にリンクする。
• 参考スコア（独自算出の注目度）: 9.664642100751195
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Exploratory data analysis (EDA) is rarely open-ended in practice: analysts work from high-level domain questions toward the concrete analyses that can answer them, prioritizing directions with domain knowledge and prior hypotheses. Large language models (LLMs) can supply such knowledge, but their responses are unstructured, leaving analysts no way to see what has been explored, what is missing, or why one direction was chosen over another. We present DAG-EDA, a system that lets analysts and an LLM co-navigate the space of possible analyses through two linked structures. An intent graph, governed by a grammar of analytical intent, decomposes an ambiguous natural-language question into progressively concrete analysis tasks, keeping alternative framings open and letting analysts branch, backtrack, and compare paths. A multi-layered knowledge graph externalizes the LLM's domain knowledge, linking domain concepts to the dataset variables that can measure them, so analysts can inspect and contest how their question is grounded in the data. Both graphs are constructed from only the dataset and the analyst's question, and the analyses the analyst reaches are rendered as interactive dashboards. We illustrate the system through a usage scenario and describe a user study design for examining whether the system scaffold analysts' reasoning and navigation.
• Abstract（参考訳）: アナリストは高レベルなドメインの質問から、それらに答えられる具体的な分析に向けて取り組み、ドメインの知識と事前仮説で方向を優先順位付けします。 大きな言語モデル(LLM)はそのような知識を供給できるが、その応答は構造化されておらず、アナリストは何が探索されたのか、何が欠けているのか、なぜ別の方向が選択されたのかを知る方法がない。 DAG-EDAは、アナリストとLLMが2つの連結構造を通して可能な分析空間をコナビゲートするシステムである。 インテントグラフは、分析意図の文法によって支配され、あいまいな自然言語の質問を徐々に具体的な分析タスクに分解し、代替フレーミングをオープンにし、アナリストが分岐し、バックトラックし、パスを比較する。 マルチレイヤの知識グラフは、LLMのドメイン知識を外部化し、ドメイン概念を測定可能なデータセット変数にリンクすることで、データに質問がどのように根ざされているのかを調査し、議論することができる。 どちらのグラフもデータセットとアナリストの質問のみから構築され、アナリストが到達した分析はインタラクティブなダッシュボードとしてレンダリングされる。 本報告では,システムの利用シナリオを概説し,システム解析者の推論とナビゲーションを検証するためのユーザスタディ設計について述べる。

関連論文リスト

• DataWeave: Deploying Human-LLM Analytics for Exploratory Structured Data Analysis [6.636723911568773]
  データWeaveは,対話インタラクション,スキーマ基盤,分析計画,実行時クエリ生成を組み合わせたシステムで,構造化データの探索解析を支援する。 我々は,米国教育省統合後教育データシステム(IPEDS)の分析に,我々のシステムを用いた専門家ジャーナリストのケーススタディを提案する。 本研究は,構造化データ解析における信頼性の高い人間-LLM協調のための設計原則と展開指導を抽出するものである。
  論文  参考訳（メタデータ） (2026-10-02T02:00:28Z)
• Agentic Interpretation: Lattice-Structured Evidence for LLM-Based Program Analysis [2.1833756646187763]
  本稿では,格子に基づく静的解析の原理をプログラム推論に適用するフレームワークであるエージェント解釈を提案する。 ワークリストアルゴリズムは、分析中にクレームとその判断がどのように進化するかを決定する。
  論文  参考訳（メタデータ） (2026-05-12T19:46:24Z)
• Many AI Analysts, One Dataset: Navigating the Agentic Data Science Multiverse [22.927943525772857]
  大規模言語モデル(LLM)上に構築された完全自律型AIアナリストは、同様の構造化された分析的多様性を安価かつ大規模に再現可能であることを示す。 アナリストペルソナやLSMの再割り当ては, 方法論的に不十分なランニングを除いた後でも, 結果の分布をシフトさせる。
  論文  参考訳（メタデータ） (2026-02-21T04:10:21Z)
• OpenEarthAgent: A Unified Framework for Tool-Augmented Geospatial Agents [68.85365034738534]
  本稿では,衛星画像,自然言語クエリ,詳細な推論トレースに基づいて学習したツール拡張された地理空間エージェントを開発するための統一的なフレームワークを提案する。 トレーニングパイプラインは、構造化推論軌道上の教師付き微調整に依存し、モデルを検証された多段階ツールの相互作用と整合させる。 付随コーパスは、14,538のトレーニングと1,169の評価インスタンスから構成され、トレーニングスプリットでは100K以上の推論ステップ、評価スプリットでは7K以上の推論ステップがある。
  論文  参考訳（メタデータ） (2026-02-19T18:59:54Z)
• LLM/Agent-as-Data-Analyst: A Survey [54.08761322298559]
  大規模言語モデル(LLM)とエージェント技術は、データ分析タスクの機能と開発パラダイムに根本的な変化をもたらした。 LLMは複雑なデータ理解、自然言語、意味分析機能、自律パイプラインオーケストレーションを可能にする。
  論文  参考訳（メタデータ） (2025-09-28T17:31:38Z)
• I2I-STRADA -- Information to Insights via Structured Reasoning Agent for Data Analysis [0.0]
  現実世界のデータ分析には一貫した認知ワークフローが必要です。 この推論プロセスの形式化を目的としたエージェントアーキテクチャであるI2I-STRADAを紹介する。
  論文  参考訳（メタデータ） (2025-07-23T18:58:42Z)
• Data-to-Dashboard: Multi-Agent LLM Framework for Insightful Visualization in Enterprise Analytics [2.7933239275667545]
  モジュール型LCMエージェントによるデータ・ダッシュボード・パイプラインの自動化を行うエージェントシステムを提案する。 既存のグラフシステムとは異なり、我々のフレームワークはビジネスアナリストの分析的推論プロセスをシミュレートする。 提案手法は, 評価指標の調整により, 洞察力, ドメイン関連性, 分析深度が向上したことを示す。
  論文  参考訳（メタデータ） (2025-05-29T17:32:15Z)
• Understanding metric-related pitfalls in image analysis validation [59.15220116166561]
  この研究は、画像解析におけるバリデーションメトリクスに関連する落とし穴に関する情報にアクセスするための、初めての包括的な共通点を提供する。 バイオメディカル画像解析に焦点をあてるが、他の分野へ移行する可能性があるため、対処された落とし穴はアプリケーションドメイン全体にわたって一般化され、新しく作成されたドメインに依存しない分類に分類される。
  論文  参考訳（メタデータ） (2023-02-03T14:57:40Z)

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。