作者存档: Liwenhan Xie

用交互式数据事实增强可视化图表(Augmenting Visualizations with Interactive Data Facts to Facilitate Interpretation and Communication)

恰当的图表注解可辅助用户理解,如排除视觉元素的干扰,突出图表的重点特征,帮助初学者快速上手等。近期,不少的可视化工具引入了自然语言生成 (Natural Language Generation, NLG) 技术来自动生成对可视化的描述性文字,丰富界面。例如Narrative Science的QuillArria的相关产品就是常见的商业例子。然而,静态的文字与对应的图表缺乏直接的关联性,也难以适应人们分享交流的实际需求。面对以上问题,本文[1]在详尽的用户研究的基础上提出了Voder:一个将可视化与交互式自动生成描述关联的原型系统。

继续阅读 »

用持续同调方法检测动态图的结构变化(Visual Detection of Structural Changes in Time-Varying Graphs Using Persistent Homology)

动态图可视化对复杂网络分析等能起到关键作用,但由于动态图数据的复杂性,其演变过程的可视化形式一直难以确定,整体而言一般分为动画(Animation)和时间线(Timeline)两类。这个工作提出了一种用持续同调(Persistent Homology)来衡量动态图结构变化特性的方法,在此基础上提取特征以时间线的形式进行可视化,揭示动态图的异常变化和整体演变过程[1]。持续同调是拓扑数据分析(Topological Data Analysis, TDA)的主要工具,是近年探索性数据分析和数据挖掘领域中逐渐活跃的方向,有深刻的代数几何背景,将其引入可视化的特征提取是一次全新的尝试。

继续阅读 »