Promptの説明
全体研究フローチャート（大きな画像）のプロンプト： タイトル：ハイパーグラフとデュアルパスに基づく時間的知識グラフにおけるリンク予測のための全体フレームワーク 目的：データ入力から予測出力までの研究プロセス全体を可視化し、デュアルパスの連携と対照学習メカニズムを強調する。 主要な要素とプロセス： 1. 入力層： • ボックス要素：ラベル「時間的知識グラフデータ（例：ICEWS14、GDELT）」、エンティティ、関係、タイムスタンプのトリプルを含む。 • 「データ前処理モジュール」への矢印、フォーマットの標準化を示す。 2. 意味的初期化モジュール： • ボックス要素：ラベル「事前学習済み言語モデル（例：BERT）」、入力はエンティティ/関係のテキスト記述、出力は「意味的初期埋め込み」。 • サブプロセス：テキストエンコーディング → 線形射影 → 初期埋め込みベクトルの生成。 3. デュアルパス構築モジュール： • 並列デュアルブランチ： ◦ ローカルクエリビューパス：クエリエンティティとタイムスタンプに基づいて、「ローカル動的ハイパーグラフ」（ハイパーエッジは過去の事実をエンコード）を構築し、「ローカルショートパス埋め込み」を出力。 ◦ グローバルコンテキストビューパス：時間窓を拡張し、「マルチホップサンプリング」を通じて「長期ハイパーグラフ」を構築し、「ロングパス時間的埋め込み」を出力。 • 各ブランチには、ハイパーグラフ畳み込みステップ（空間次元（マルチヘッド注意機構による集約）と時間次元（強化された時間的エンコーダ＋減衰重み））が含まれる。 4. 融合と最適化モジュール： • ボックス要素：「デュアルパス埋め込み融合」、ゲーティングメカニズムによるローカル埋め込みと長距離埋め込みの重み付き組み合わせ。 • 「対照学習制約」に接続：正例ペア（同じクエリのローカル/グローバル埋め込み）と負例ペア（異なるクエリの埋め込み）、対照損失を通じて最適化。 • 最終出力：「リンク予測結果」（例：Hits@1、MRRメトリクス）。 スタイルの要件： • モジュールを表すには長方形のボックス、決定点（例：減衰閾値）を表すにはひし形のボックス、プロセスの方向を示すには矢印を使用する。 • 色分け：ローカルパスは青色系、ロングパスは緑色系、融合部分は黄色で強調する。 • キーワード（例：「動的ハイパーグラフ」、「マルチホップサンプリング」）にラベルを付け、フォントはTimes New Roman、10-12pt。 ローカルショートパス時間的埋め込み図（小さな画像1）のプロンプト： タイトル：ローカルクエリビューのためのハイパーグラフ畳み込みと時間的埋め込みプロセス 目的：ローカルパスの埋め込み生成プロセスを詳細化し、ハイパーグラフ畳み込みの時空間二次元処理を強調する。 主要な要素とプロセス： 1. 入力： • 全体フローチャートの「ローカルクエリビューパス」からアクセスし、入力は「クエリエンティティ＋タイムスタンプ」と「ローカル時間窓内の過去の事実」。 2. ハイパーグラフ構築： • 図：ノードはエンティティを表し、ハイパーエッジ（楕円形）は複数の"
![あなたはトップレベルの学術会議（CVPR/ICRA）向けのプロの科学イラストレーターです。具体化された知能システムの「エピソード記憶書き込みプロセス」を示す、明確で高解像度の「データ処理パイプライン図」を作成してください。
レイアウトと流れ：左から右への直線的な水平レイアウトを採用し、矢印で接続された5つの主要な段階で構成します。
1. 段階1：生データ取得
アイコン：コードまたはテキスト行を含むターミナルウィンドウまたはログファイルのアイコン。
ラベル：Habitat-Lab Raw Logs
説明：シミュレーターからの生のインタラクションデータ出力を表します。
2. 段階2：データクリーニング
アイコン：漏斗または歯車のアイコン。
ラベル：Data Cleaning & Parsing
詳細：無効なデータの削除とフォーマットを示します。
3. 段階3：構造化されたカプセル化
アイコン：「(Obs, Action, Outcome)」という単語がかすかに見えるきちんとしたドキュメント用紙。
ラベル：Prompt Structuring
詳細：クレンジングされたデータを経験トリプレットにカプセル化することを表します。
4. 段階4：ベクトルエンコーディング
アイコン：テキストが数値行列に変換される模式図（例：ドキュメントがニューラルネットワークノードを通過し、数値のグリッド[0.1, 0.8...]になる）。
ラベル：Embedding Encoding
詳細：自然言語を高次元ベクトルに変換することを表します。
5. 段階5：データベースストレージ
アイコン：ベクトルグリッドパターンを持つ円筒形のデータベースアイコン。
ラベル：ChromaDB Vector Store
詳細：プロセスの終点。
ビジュアルスタイル：
スタイル：モダンな学術的なフラット2Dベクターアートスタイル。
配色：「アカデミックブルー」をプライマリカラー、「テックグレー」をセカンダリカラーとして使用し、一貫性を維持します。矢印の色は濃く、明確にする必要があります。
フォント：明確なサンセリフフォント（Arial/Helveticaスタイル）、黒または濃い灰色を使用します。
背景：純粋な白い背景。](/_next/image?url=https%3A%2F%2Fpub-8c0ddfa5c0454d40822bc9944fe6f303.r2.dev%2Fai-drawings%2FUfvBGKD0YGX5OcBXzY3IQSo5YA3phloh%2Fdd103003-88b7-4b05-ba5c-3de35b8b102d%2F236b67f0-c53d-417c-af61-1da5617bb090.png&w=3840&q=75)
![あなたはトップレベルの学術会議（CVPR/ICRA）向けのプロの科学イラストレーターです。具体化された知能システムの「エピソード記憶書き込みプロセス」を示す、明確で高解像度の「データ処理パイプライン図」を作成してください。
レイアウトと流れ：矢印で接続された5つの主要な段階を含む、左から右への線形水平レイアウトを使用します。
1. 第一段階：生データ取得
アイコン：コードまたはテキスト行を含むターミナルウィンドウまたはログファイルのアイコン。
ラベル：Habitat-Lab Raw Logs
説明：シミュレーターからの生のインタラクションデータ出力を表します。
2. 第二段階：データクリーニング
アイコン：漏斗または歯車のアイコン。
ラベル：Data Cleaning & Parsing
詳細：無効なデータの削除とフォーマットを示します。
3. 第三段階：構造化されたカプセル化
アイコン：（Obs, Action, Outcome）という単語がかすかに見えるきちんとしたドキュメント。
ラベル：Prompt Structuring
詳細：クレンジングされたデータを経験トリプレットにカプセル化することを表します。
4. 第四段階：ベクトルエンコーディング
アイコン：テキストが数値行列に変換される図（例：ドキュメントがニューラルネットワークノードを通過し、数値のグリッド[0.1, 0.8...]になる）。
ラベル：Embedding Encoding
詳細：自然言語を高次元ベクトルに変換することを表します。
5. 第五段階：ストレージ
アイコン：ベクトルグリッドパターンを持つ円筒形のデータベースアイコン。
ラベル：ChromaDB Vector Store
詳細：プロセスの終わり。
ビジュアルスタイル：
スタイル：モダンな学術的なフラット2Dベクタースタイル（フラットベクターアート）。
配色：「アカデミックブルー」をプライマリカラー、「テックグレー」をセカンダリカラーとして使用し、一貫性を維持します。矢印の色は濃く、明確にする必要があります。
フォント：明確なサンセリフフォント（Arial/Helveticaスタイル）、黒または濃い灰色を使用します。
背景：純粋な白い背景。](/_next/image?url=https%3A%2F%2Fpub-8c0ddfa5c0454d40822bc9944fe6f303.r2.dev%2Fai-drawings%2FUfvBGKD0YGX5OcBXzY3IQSo5YA3phloh%2Fe459777b-47d2-496c-bed1-8bc917030392%2Fe3e97e66-ed0d-41cd-9ce2-25a3615dcd86.png&w=3840&q=75)