文献

J-GLOBAL ID：202102273357712407   整理番号：21A2234928

メタ洞察:探索データ解析のための構造化知識の自動発見【JST・京大機械翻訳】

MetaInsight: Automatic Discovery of Structured Knowledge for Exploratory Data Analysis

著者 (4件)： Ma Pingchuan (Hong Kong University of Science and Technology, Hong Kong, China) ,  Ding Rui (Microsoft Research, Beijing, China) ,  Han Shi (Microsoft Research, Beijing, China) ,  Zhang Dongmei (Microsoft Research, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： SIGMOD/PODS ’21  ページ： 1262-1274  発行年： 2021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： 自動探索データ解析(EDA)は,興味深いデータパターンの形で知識の断片を自動的に発見する。しかし,これらの提案されたデータパターンによる伝達された知識は,解体または欠如している。したがって,ユーザにとって構造化知識を得ることは困難であり,提案されたパターンの数が成長するので,これらのスタンドアロンパターンは,追跡解析を行うのにユーザを動かすのではなく,EDAを容易にするために有効に利用することを妨げる。本論文では,EDAを自動かつ効果的に促進することを目的として,多次元データから抽出した知識の構造化表現であるMetaInsightを提案した。特に,知識抽出を達成するために生データ分布の本質的特性を捕捉するための基本データパターンの新しい定式化を提案した。次に,マイニングされた均一データパターン(HDP)とパターン間類似性に基づいて,MetaInsightを,基本データパターン(HDP内の)を共通性(es)と例外に分類することによって同定して,このように構造化知識表現を達成した。共通性(es)と例外は,EDAで行った2つの典型的解析機構である誘導と検証過程によって得られた知識を隠す。著者らは,多次元データから高品質メタInsightを自動的に発見するための,MetaInsightの有用性,有効かつ効率的なマイニング手順,およびランキングアルゴリズムを定量化するための,新しいスコアリング関数を提案した。著者らは,エキスパートユーザと非エキスパートユーザの両方に関する実世界データセットとユーザ研究に関する評価を通して,MetaInsights(w.r.t.を容易にするEDA)の有効性と効率を実証した。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： *アルゴリズム ,  等級づけ ,  知識表現 ,  類似性 ,  有効性 ,  定式化 ,  多次元データ ,  生データ
準シソーラス用語： 知識の構造化 , 【Automatic Indexing@JST】

著者キーワード (3件)： 解析メカニズム ,  探索データ解析 ,  構造化知識

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 洞察 ,  探索データ解析 ,  構造化 ,  知識 ,  発見