多视图可视化 (MV) 大量用于可视化分析工具，用于对各个领域的数据有重要意义，其中一项常见任务是将跨不同视图的数据关联起来。目前，探索跨视图数据关系严重依赖于视图协调技术，如刷选和链接，这可能需要用户在许多尝试中付出大量努力。为了解决这个问题，SightBi 将跨视图数据关系形式化为双簇，并使用双上下文设计突出创建独立的关系视图，在保留现有视图的基础上，提供跨视图数据关系的概览以指导用户探索，并允许用户使用新创建的关系视图以交互方式管理多个视图的布局。 SightBi 的界面如图1所示。

数据故事是一种将数据可视化与叙事、互动、装饰或动画相结合的视觉形式，它越来越受欢迎。其中，严肃的数据故事与旨在娱乐观众的故事不同，它通常基于人类和环境等严肃话题，传达的信息往往是负面的。因此，这些故事往往试图引起观众的负面情绪，如悲伤和恐惧。例如，在COVID-19大流行期间，许多数据可视化作品讨论如何用数据故事让人们真正关心死亡，关心自己的健康。该工作就如何对利用可视化设计准确表达严肃、消极情感展开了相关探索，对于自动数据情感表达及可视化叙事自动生成提供了理论依据。

视觉信息显示通常由多个可视化组成，用于促进对数据的理解。然而，由于缺乏可视化的专业设计知识，非专家用户在设计多视图可视化时，可能会造成误导或其他有问题的结果。例如，违反一致性约束，即相同的数据应该以相同的方式显示，不同的数据应该以不同的方式显示。然而，让用户手动检测和解决冲突很容易出错，尤其是对于初学者来说，要想出替代的表示会十分耗时。因此，一种自动或半自动的方法有望帮助用户检测和解决潜在问题。在检查视图之间的关系，确定潜在的改进方案，以及实现相应变化等方面仍然存在挑战。传统的Snapping会在几何图像周围创建一个“重力场”，从而更容易将它们以特定方式放在一起。在本文中，Semantic Snapping 表示在将多个单独的视图融合在一起时，解决相互的冲突和冗余。