探索网络需要花费大量的努力，并且基于较强的专业知识，这样一个过程是耗时且具有挑战性的。为了解决这些问题，作者开发了一个半自动的数据巡游系统NetworkNarratives[1,2]，用以帮助网络分析师探索复杂的网络。本文[1]是第一个在网络分析领域提出数据巡游的文章。

从大规模可视化数据集中检索图表是一项基本任务，可以在多方面得到应用，如可视化推荐。用户在检索时一方面希望检索结果符合显式的视觉属性（例如图表类型、色图），另一方面希望结果中能体现潜在的意图（例如设计风格、上下文信息）。然而，现有的基于样例的图表检索方法依赖低层级的视觉特征且结果难以解释，而基于定义的方法受限于预先定义的视觉属性。本文^[1]提出了一个新的可视化图标检索框架WYTIWYR（What-You-Think-Is-What-You-Retrieve），将用户意图集成到图表检索过程中。

科学论文、数据报告、调查报告等文本通常包含丰富的数据信息。由于图表的设计和生成需要专业的知识和经验以及文档存在空间限制等原因，很多数据信息使用纯文本信息而非图表来展示。用户很难通过数字来提取、比较和理解复杂数据，即使对于图表，也可能因为文本和图表分散于文档的不同部分而难以将它们关联起来。来自滑铁卢大学和里尔大学的研究者提出了Charagraph [1]，支持用户交互式标注文档中的数据信息和生成可视化图表。