作者存档: 刘 灿

DashBot: 基于深度强化学习的见解驱动的仪表盘生成 (DashBot: Insight-Driven Dashboard Generation Based on Deep Reinforcement Learning)

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 »

探索通过手绘数字墨水构建结构化信息(Style Blink: Exploring Digital Inking of Structured Information via Handcrafted Styling as a First-Class Object)

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 »

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 »