文献

J-GLOBAL ID：202002238575621786   整理番号：20A2074218

ドメインエキスパートはどのように探索データ分析を構造化するか:機械学習ストーリーラインに向けて【JST・京大機械翻訳】

How Domain Experts Structure Their Exploratory Data Analysis: Towards a Machine-Learned Storyline

著者 (3件)： Barczewski Antoine (BlaBlaCar, Paris, France) ,  Bezerianos Anastasia (Univ. Paris-Sud, CNRS, INRIA, Universite Paris-Saclay, Orsay, France) ,  Boukhelifa Nadia (INRAE, Universite Paris-Saclay, Paris, France)
資料名： ACM Proceedings  (ACM Proceedings)
号： CHI EA ’20  ページ： 1-8  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 探索データ解析は,オープンエンド反復プロセスであり,そこでは,目標が新しい洞察を発見することである。この探査を特徴付ける研究の多くは,豊富な知見,タスク分類学,および概念モデルをもたらす定性的研究に由来する。本研究では,探索解析セッションの構造を自動的に学習する機械学習手法を提案した。Hidden-Markovモデルに基づいた提案手法は,ログデータイベントから過去の探索のストリーラインを自動的に構築し,重要な解析シナリオとアナリストの仮説と研究質問の間の遷移を示す。クラスタリング法と比較して,この手法は,解析シナリオ間の遷移を検出するためのより高い精度を与える。最小で,過去の探査の構造及び中間結果を示す探索的データ解析システムにおける起源見解を組込むことを論じた。異なる分析とそれらの結果の再現性を助けることに加えて,これは分析者を反映し,究極的にそれらの探索戦略を適応させることを奨励できる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 再現性 ,  *機械学習
準シソーラス用語： 分類学 ,  アナリスト ,  探索戦略 , 【Automatic Indexing@JST】

著者キーワード (7件)： 探索データ解析 ,  ログ解析 ,  機械学習 ,  供給源 ,  感覚製作 ,  物語 ,  可視化

分類 (3件)： 人間機械系  (IB03000G) ,  人工知能  (JE08000Z) ,  CAD,CAM  (JE10000A)

タイトルに関連する用語 (7件)： ドメイン ,  エキスパート ,  探索 ,  データ分析 ,  構造化 ,  機械学習 ,  ストーリー