
分析仪表盘在商业智能中广受欢迎,其通过多个可视化图表表达数据,支持见解发现。然而构建有效的仪表盘依赖于用户具有数据分析方面的专业紧跟。用户需要选择数据属性、探索不同种类图表来配置仪表盘。这往往需要反复试错才能构建有效的仪表盘。来自浙江大学和香港科技大学的团队提出通过深度强化学习的方法, DashBot [1], 通过设计智能体网络模仿人类构建过程以自动生成分析仪表盘。图1为DashBot 生成的效果。
继续阅读 »分析仪表盘在商业智能中广受欢迎,其通过多个可视化图表表达数据,支持见解发现。然而构建有效的仪表盘依赖于用户具有数据分析方面的专业紧跟。用户需要选择数据属性、探索不同种类图表来配置仪表盘。这往往需要反复试错才能构建有效的仪表盘。来自浙江大学和香港科技大学的团队提出通过深度强化学习的方法, DashBot [1], 通过设计智能体网络模仿人类构建过程以自动生成分析仪表盘。图1为DashBot 生成的效果。
继续阅读 »笔记是常用于日常生活的记录和时间管理,如记录备忘录、跟踪进度、或者对日常数据的可视化。传统的笔记通过纸笔来绘制,这给予了用户广泛的自由探索空间,允许用户自定义风格。然而其中重复的劳动(如绘制表格的边线、重复的标记)让人望而生畏,并且难以在事后整理内容。近年来,随着各类触屏设备的普及,电子设备可以提供近似纸笔的自由度,并且提供了降低重复动作、事后整理组织的潜力。来自微软研究院的 Hugo Romat 等人 [1] 对数字笔记的设计空间进行探索,提出了 StyleBlink (Style-Block-Ink,风格化模块墨水) 设计原型,发表在CHI 2022。
继续阅读 »随着可视化技术普及,大量可视化被创建并在网上分享。如何检索可视化成为重要的问题。基于样例检索相似的可视化信息是创建集合和可视化推荐的基础。传统的可视化检索通常只考虑了视觉信息[1],却忽略了可视化中存在的视觉元素之间的结构。考虑可视化的结构信息,来自香港科技大学和新加坡管理大学的Haotian Li等人 [2] 提出了一种融合可视化的视觉信息和结构信息的检索方法。
继续阅读 »自然语言 (natural language, NL) 作为数据可视化工具的输入模式越来越受到关注。 许多商业可视化系统工具(例如 Microsoft Power BI 、Tableau 等)和研究方法都展示了自然语言接口支持更广泛的受众进行可视分析的潜力。对自然语句的分析理解对这些工具而言非常重要,然而已有的工作通常缺乏对用户如何使用自然语言指定生成可视化的过程缺乏足够的理解。
继续阅读 »自然语言界面(natural language interface)使人们能够灵活地与可视化进行交互,大大降低了可视化构建及交互门槛。过去十余年,有许多工作致力于利用自然语言进行可视化的构建和交互[2,3,4,5,6,7,8]。然而之前的工作通常将自然语言对应到特定的系统中的操作,缺乏被复用的通用性。IEEE VIS 2020 发表的论文NL4DV[1]提出一个与特定可视化界面无关的通用的自然语言界面工具组件。
继续阅读 »11月3日是中国可视化与可视分析大会(ChinaVis 2020)的最后一日。当日上午,在主会场进行了大会第二场圆桌论坛,艺术特邀报告,关于文博的特邀报告,以及闭幕式。大会到此圆满成功。
继续阅读 »11月2日是中国可视化与可视分析大会(ChinaVis 2020)的第二日。本日在陕西大会堂各个分会场举办了涵盖各大热点研究话题的专题报告、数据可视分析挑战赛分享会、以及若干论文报告。内容精彩纷呈。
继续阅读 »
近期评论