DataChat: Prototyping a Conversational Agent for Dataset Search and Visualization
DataChat: Prototyping a Conversational Agent for Dataset Search and Visualization
复制标题
DataChat：为数据集搜索和可视化构建对话代理原型
DOI：
10.1002/pra2.820
复制
发表时间：
2023
影响因子：
--
通讯作者：
Hemphill, Libby
中科院分区：
文献类型：
--
作者：
Fan, Lizhou;Lafia, Sara;Li, Lingyao;Yang, Fangyuan;Hemphill, Libby
数据用户需要相关的背景和研究专业知识来有效地搜索和识别相关的数据集。领先的数据提供商，如大学间政治和社会研究联盟（ICPSR），提供标准化的元数据和搜索工具来支持数据搜索。元数据标准强调数据及其文档的机器可读性。有机会通过提高用户了解和理解数据信息的能力来增强数据集搜索。先前的研究表明，上下文和专业知识是用户在有效搜索、评估和决定是否重用数据时面临的两个主要障碍。在本文中，我们提出了一种新的基于聊天机器人的搜索系统DataChat，该系统利用图形数据库和大型语言模型为用户提供交互和搜索研究数据的新方法。DataChat通过使用户更容易地探索和了解可用的研究数据，补充了数据档案馆和机构存储库正在进行的管理、保存和共享研究数据以供重用的努力。
Data users need relevant context and research expertise to effectively search for and identify relevant datasets. Leading data providers, such as the Inter‐university Consortium for Political and Social Research (ICPSR), offer standardized metadata and search tools to support data search. Metadata standards emphasize the machine‐readability of data and its documentation. There are opportunities to enhance dataset search by improving users' ability to learn about, and make sense of, information about data. Prior research has shown that context and expertise are two main barriers users face in effectively searching for, evaluating, and deciding whether to reuse data. In this paper, we propose a novel chatbot‐based search system, DataChat, that leverages a graph database and a large language model to provide novel ways for users to interact with and search for research data. DataChat complements data archives' and institutional repositories' ongoing efforts to curate, preserve, and share research data for reuse by making it easier for users to explore and learn about available research data.
登录
查看更多内容
DOI：
10.1109/cbms49503.2020.00079
发表时间：
2020
期刊：
2020 IEEE 33rd International Symposium on Computer-Based Medical Systems (CBMS)
影响因子：
--
作者：
R. Harmouche;A. Lochbihler;Francis Thibault;G. D. Luca;Catherine Proulx;J. Hovdebo
通讯作者：
J. Hovdebo
直接、定向和风景路径：用户如何在研究数据档案中导航搜索
DOI：
10.1145/3576840.3578275
发表时间：
2023
期刊：
Proceedings of the ACM SIGIR Conference On Human Information Interaction and Retrieval
影响因子：
--
作者：
Lafia, Sara;Million, A.J.;Hemphill, Libby
通讯作者：
Hemphill, Libby
影响因子：
6.4
作者：
P. Manghi;Andrea Mannocci;Francesco Osborne;Dimitris Sacharidis;Angelo Salatino;Thanasis Vergoulis
通讯作者：
P. Manghi;Andrea Mannocci;Francesco Osborne;Dimitris Sacharidis;Angelo Salatino;Thanasis Vergoulis
开放数据和 2023 年 NIH 数据管理和共享政策
影响因子：
--
作者：
Tariq Rahaman
通讯作者：
Tariq Rahaman
具有预训练语言和大学招生响应排名模型的人工智能客户服务系统
DOI：
10.1109/iri51335.2021.00062
发表时间：
2021
期刊：
2021 IEEE 22nd International Conference on Information Reuse and Integration for Data Science (IRI)
影响因子：
--
作者：
Min;Sheng
通讯作者：
Sheng