作者存档: 刘 灿

结构感知的可视化检索(Structure-Aware Visualization Retrieval)

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 »

基于深度学习推荐的分析面板设计 (MultiVision: Designing Analytical Dashboards with Deep Learning Based Recommendation)

从数据表格出发的自动可视化设计长久以来受到许多关注。1986年乔克麦金莱 (Jork Machinlay) 就提出基于用户对不同通道的感知有效性的APT [1] 工具。然而传统的方法依赖于经验规则,可能并不能得到最优结果。近年来,可视化研究社区也使用机器学习方法以支持可视化的自动创建[2]。但这些方法关注于给定数据属性之后的映射方法的选择,用户仍然需要花费时间与精力选择合适的数据项。为帮助用户选择数据,来自香港科技大学和微软亚洲研究院的伍翱宇等人提出MultiVision[3],旨在使用深度学习方法自动构建多视图的可视化。

继续阅读 »

第八届中国可视化与可视分析大会(ChinaVis 2021)Day 3

2021年7月27日,第八届中国可视化与可视分析大会第三天日程在武汉东湖宾馆进行。当日上午,圆桌论坛、特邀报告、和闭幕式在黄鹤厅进行。

继续阅读 »

收集和表征指定数据可视化的自然语句(Collecting and Characterizing Natural Language Utterances for Specifying Data Visualizations)

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 »

从自然语言查询到数据可视化分析规范的工具包(NL4DV: A Toolkit for Generating Analytic Specifications for Data Visualization from Natural Language Queries)

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 »

ADVISOR: 表格数据自然语言问询的自动可视化回答(ADVISor: Automatic Visualization Answer for Natural-Language Question on Tabular Data)

近年来,人们对数据分析的需求不断增长。而生成可视化是展示、分析数据特征的重要手段。无论是学术论文还是数据新闻,可视化在对数据的分析中都扮演着重要角色。由于其广泛的需求,一些商业工具如PowerBI 等可以根据用户在数据表格中指定特定的行或者列以生成可视化结果。然而,构造相应的可视化需要用户在数据和可视化方面具有一定的专业知识以决定选择相应的数据和可视化的类型。

这些工具依赖于用户具有的数据或者可视化的一定门槛。不同于编程或者使用特定可视化构建工具固有的学习成本,人类用户天然掌握一种低门槛的交流方式——自然语言。利用自然语言来表述用户的数据分析需求天然地降低了用户的使用门槛。基于此,北京大学可视化与可视分析研究组刘灿、韩云等 [1] 提出了一种从自然语言问题和表格出发,构建可视化及附加高亮为结果的方法。该方法全文发表于2021 IEEE 太平洋可视化会议(IEEE Pacific Visualization Symposium)。

继续阅读 »

第七届中国可视化与可视分析大会(ChinaVis 2020)Day 3

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 »

第七届中国可视化与可视分析大会(ChinaVis 2020)Day 2

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 »

通过协同语义推理与深度学习模型可视交互(Visual Interaction with Deep Learning Models through Collaborative Semantic Inference)

深度学习模型近年来扮演着重要的角色。它能够拟合非常复杂的函数从而实现许多任务。但是训练过程、训练的结果往往只是扮演了黑盒的角色——用户无法对其进行解释、也难以操纵训练的结果。如果用户对模型的输出不满意,很难设置模型以达到用户想要的结果。

近年来有许多文章对深度学习模型进行交互探索以打开深度模型。以往的方法中通常是观察模型产生的结果或者是探索输入与模型参数之间的关系。这类方法可以帮助用户找到输入数据中有问题的数据,以重新指导训练过程。但是对于如何对模型改进产生满意的结果鲜有涉及。Gehrmann 等人[1]在IEEE TVCG 2020(VAST 2019)发表了一篇通过协同语义推理(Collaborative Semantic Inference, CSI)与深度学习模型进行可视交互的文章。这篇文章介绍了协同语义推理的优越性——可以对模型产生直接的影响。

继续阅读 »

北京大学可视化与可视分析研究组三篇长文论文被IEEE VIS 2019 接收

IEEE VIS 是由电气电子工程师学会(IEEE)计算机协会可视化和图形学技术委员会(VGTC)主办的可视化领域的顶级会议。IEEE VIS 包括科学可视化(Scientific Visualization)、信息可视化和(Information Visualization)可视分析(Visual Analytics Science and Technology)三个子会议。IEEE VIS 会议的正式录用结果于7月9日正式发布。北京大学可视化与可视分析研究组在袁晓如研究员指导下三篇全文论文被 IEEE VIS 2019 接收,均同时被领域顶级期刊 IEEE TVCG 收录。

继续阅读 »