Table2Analysis: Modeling and Recommendation of Common Analysis Patterns for Multi-Dimensional Data
Mengyu Zhou, Tao Wang, Pengxin Ji, Shi Han, Dongmei Zhang
Microsoft Research, Beijing University of Posts and Telecommunications
https://www.microsoft.com/en-us/research/uploads/prod/2019/12/Table2Analysis_AAAI20.pdf
给定多维数据构成的表格,通过各种分析,可以从中提取一些需要的信息。从科学探索到商业智能,这些分析对于自动知识发现和制定策略是比较关键的需要解决的问题。
这篇文章提出Table2Analysis从大量表格分析对中学习常用的分析模式,进而对于任何一个表格(即使该表格之前未曾出现),给出推荐的分析思路。
针对输入为多维数据的情形,为了完成上述任务,对现有模型结构和训练方法具有一定的挑战性。
基于启发式搜索的deep Q-learning,Table2Analysis将表格生成为序列,每个序列对应一种分析的编码。
在大规模电子表格的透视表推荐任务中,该方法在top-5的recall 在0.78, top-1的recall 在0.65。
一般的分析示例如下
下面是这篇文章的主要贡献
这篇文章设计到的定义有
这篇文章主要围绕以下两个任务
这篇文章的思想基于MDP