Prompt4Vis: Prompting LLMs with Example Mining and Schema Filtering for Tabular Data Visualization

本文是LLM系列文章，针对《Prompt4Vis: Prompting Large Language Models with Example
Mining and Schema Filtering for Tabular Data Visualization》的翻译。

摘要

数据可视化（DV）系统因其从庞大的数据集中揭示见解的深刻能力而越来越受到认可，在工业界和学术界都引起了关注。在某些声明性可视化语言（DVL，例如Vega-Lite、EChart.）中，制作数据查询是一个必不可少的过程。自然语言处理（NLP）技术的发展简化了自然语言界面的使用，使表格数据可视化，提供了更易于访问和直观的用户体验。然而，当前将自然语言问题转换为数据可视化查询的方法，如Seq2Vis、ncNet和RGVisNet，尽管使用了复杂的神经网络架构，但仍达不到预期，还有很大的改进空间。
大型语言模型（LLM），如ChatGPT和GPT-4，已经在各种NLP任务中建立了新的基准，从根本上改变了该领域的格局。受这些进步的启发，我们引入了一个新的框架Prompt4Vis，利用LLM和上下文学习来提高从自然语言生成数据可视化的性能。Prompt4Vis包括两个关键组件：（1）多目标示例挖掘模块，