11月18日，中国科学院、中国工程院2021年院士增选结果公布，共有149人当选。其中，中国科学院增选院士65人，中国工程院增选院士84人。两院院士是我国在科学技术领域设立的最高学术称号，其增选结果从侧面反映出各单位当前在顶级科研人才方面的储备情况，受到社会各界的广泛关注。
继续阅读 »分类存档: 研究 - 第2页
探索交互日志来减轻人的偏见(Left, Right, and Gender: Exploring Interaction Traces to Mitigate Human Biases)
作者: Shuai Chen
日期: 2021年9月26日
探索交互日志来减轻人的偏见(Left, Right, and Gender: Exploring Interaction Traces to Mitigate Human Biases)已关闭评论
偏见影响着人们分析数据的方式和决策的结果。在可视分析系统中，人的偏见会体现在只对部分数据进行分析而进行决策，使得决策产生偏差。该工作研究如何通过可视化用户的交互历史（用户与哪些数据点和属性进行了交互），来降低人在可视化系统探索过程以及决策时的潜在偏见。
继续阅读 »解释装饰对于可视化的影响 (Interpreting the Effect of Embellishment on Chart Visualizations)
作者: Jiang, Ruike Jiang
日期: 2021年6月27日
解释装饰对于可视化的影响 (Interpreting the Effect of Embellishment on Chart Visualizations)已关闭评论
可视化和信息图传达数据故事，广泛应用于科学研究和社会生活。信息图的设计风格多样，既可以是极简主义的可视化，只包含原始数据相关的元素；也可以是经过精心装饰的可视化，以更好地吸引可视化读者。然而，长久以来，研究者在信息图装饰的作用上存在争论。
对探索性可视分析中分析关注点进行建模和使用（Modeling and Leveraging Analytic Focus During Exploratory Visual Analysis）
作者: Shuai Chen
日期: 2021年6月26日
对探索性可视分析中分析关注点进行建模和使用（Modeling and Leveraging Analytic Focus During Exploratory Visual Analysis）已关闭评论
可视分析系统通过对数据的图形化表示和灵活的交互方式让用户能够分析、发现数据中的规律。然而用户对于这些发现的理解和解释往往需要一些外部的知识（context），这篇论文[1]通过对于用户在数据分析过程中的关注点（analytics focus）进行建模和计算的方式，自动给用户推荐相关的外部知识来帮助用户对于数据的理解。
继续阅读 »IEEE PacificVis 2021 机器学习和自动可视化专题（Machine Learning and Automated Visualization）
作者: Jiang, Ruike Jiang
日期: 2021年5月10日
IEEE PacificVis 2021 机器学习和自动可视化专题（Machine Learning and Automated Visualization）已关闭评论
IEEE PacificVis 2021 机器学习和自动可视化专题（Machine Learning and Automated Visualization）以及可视化遇到AI专题（Visualization Meets AI）共报告五个工作，分别是关于将机器学习运用到图布局偏好预测、自动可视化问答、单元可视化的滚动叙述生成、基于图标检测训练对信息图进行解析和总结，以及使用文档嵌入和降维展示主题演变。其中，来自北京大学可视化与可视分析实验室的自动可视化工作ADVISor的具体介绍在http://vis.pku.edu.cn/blog/advisor/。
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）
作者: 刘 灿
日期: 2021年5月1日
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）已关闭评论
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 »欢迎参与全球 COVID-19 可视化数据收集工作
作者: 杨, 超凡
日期: 2021年3月24日
欢迎参与全球 COVID-19 可视化数据收集工作已关闭评论
在过去的一年，COVID-19疫情的新闻占据了全球所有新闻的头版头条，可视化则是各类新闻或者材料中了解疫情情况重要的途径。美国工程院院士、可视化知名学者Ben Shneiderman教授在2020年4月写的一篇题为《Data Visualization’s Breakthrough Moment in the COVID-19 Crisis》的博客中指出，可视化这个学科在今天（疫情期间）的影响远远超越了它在300年来的发展历史中作出的其他重要的贡献。无论是官方机构还是媒体，都纷纷使用可视化传播和表达疫情中各类关键信息。
继续阅读 »全球 COVID-19 可视化汇集
作者: 吴, 宇恒
日期: 2021年3月13日
全球 COVID-19 可视化汇集已关闭评论
在过去的一年，COVID-19疫情的新闻占据了全球所有新闻的头版头条，可视化则是各类新闻或者材料中了解疫情情况重要的途径。美国工程院院士、可视化知名学者Ben Shneiderman教授在2020年4月写的题为《Data Visualization’s Breakthrough Moment in the COVID-19 Crisis》的博客中指出，可视化这个学科在今天（疫情期间）的影响远远超越了它在300年来的发展历史中作出的其他重要的贡献。无论是官方机构还是媒体，都纷纷使用可视化传播和表达疫情中各类关键信息。
继续阅读 »针对分布合作可视化的事件同步(VisConnect: Distributed Event Synchronization for Collaborative Visualization)
作者: Shuai Chen
日期: 2021年1月18日
针对分布合作可视化的事件同步(VisConnect: Distributed Event Synchronization for Collaborative Visualization)已关闭评论
支持多用户合作的可视化能够让多个用户同时对同一个可视化界面进行交互，共享交互分析结果。这个工作设计了一个工具VisConnect，让原有的基于d3的可视化能够方便支持多个用户协同进行交互。不同用户之间可以互相同步各自在网页上的交互行为，从而保持交互页面的一致性。通过一个“锁”的机制，可以保证用户之间的交互不发生冲突。
继续阅读 »通过强化学习生成故事线可视化(PlotThread: Creating Expressive Storyline Visualizations using Reinforcement Learning)
作者: Shuai Chen
日期: 2020年11月18日
通过强化学习生成故事线可视化(PlotThread: Creating Expressive Storyline Visualizations using Reinforcement Learning)已关闭评论
故事线（storyline）是一种常见的表现不同实体之间动态关系的可视化形式，如可视化电影中的人物关系，曲线的合并和分离分别表示电影人物在场景中同时出现、分开。传统的故事线的创作依赖于设计师手绘的方式，具有很好的叙事性，但是手绘的方式费时费力。近年来，研究者通过优化算法的方式，依据优化目标自动生成故事线。自动生成的方式效率高，但是仅依赖指标的方式限制了设计的空间。这篇文章[1]引入强化学习的方法，让机器自动生成不同的故事线可视化形式，然后用户可以在此基础上进行创作，兼顾了故事线可视化生成的效率、表达性和美观性。
Read more
近期评论