标签存档: 可视化构建

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 »

Charticulator: 交互式构建定制的图表布局(Charticulator: Interactive Construction of Bespoke Chart Layouts)

定制的图表更具表现力,可以根据想要传递的数据洞察进行细节的设计,从而让目标用户更容易注意、理解和记忆这些图表。用户想要创建这些图表,可以使用绘图的工具,但是这些工具需要手动设置数据和属性的映射,比较低效;可以用可视化的库编写代码实现,但是用户需要有较高的编程技能;也可以使用一些交互式的可视化构建工具,但是这些一般需要用户从一些模版中进行选择,因而表现能力不足,并且提供的布局方式有限或者提供的布局构建的交互不够方便。针对已有工作存在的问题,[1]的作者们提出了Charticulator,可以灵活创建可视化布局。

继续阅读 »

InfoNice: 轻松创建信息图 (InfoNice: Easy Creation of Information Graphics)

信息图可以以美观的、难忘的和吸引人的形式传达数据中的信息,通常用于展示对于数据的洞察,而非用于数据探索和分析。该工作主要关注视觉修饰(visual embellishment)。视觉修饰传统上被认为传达的数据与使用的显示资源之比(Data-Ink Ratio)较低。但是,近年来的研究发现它对于数据的传播有价值:可以增强观众对信息的记忆;提供上下文;标记数据;ISOTYPE类型的信息图可以达到和可视化图表相同的阅读速度和准确率。

继续阅读 »

数据构建与手动编辑的可视化迭代设计 (Iterating Between Tools to Create and Edit Visualizations)

 

目前越来越多的工具支持可视化的生成与编辑,这其中可以分为两类:数据驱动的可视化构建工具以及所见即所得的可视化编辑工具。数据驱动的可视化构建工具中,有D3、Processing这样的可视化编程语言,也有MircoSoft Excel、Tableau这样的可视化构建软件。此类工具支持数据上载,定义视觉对应关系进而自动生成可视化;在所见即所得的可视化编辑工具中,如Adobe Illustrator这样的图形化编辑工具,用户交互式地编辑可视化。在这众多的可视化工具中,设计过程往往是单向的,即在单一的工具中进行可视化构建及编辑。而设计的过程往往是迭代的,需要利用各种工具在各个阶段对设计的可能性进行探索,单一的可视化工具常常不能很好地支持这一需求(例如D3适合数据驱动自动生成而非手动编辑,AI支持手动编辑却不能自动根据数据生成等)。因此,本文[1]提出了在数据构建和手动编辑相结合的可视化的迭代设计模式,同时实现了原型系统Hanpuku对这一想法进行实验。

继续阅读 »