标签存档: machine learning

基于深度学习推荐的分析面板设计 (MultiVision: Designing Analytical Dashboards with Deep Learning Based Recommendation)

从数据表格出发的自动可视化设计长久以来受到许多关注。1986年乔克麦金莱 (Jork Machinlay) 就提出基于用户对不同通道的感知有效性的APT [1] 工具。然而传统的方法依赖于经验规则,可能并不能得到最优结果。近年来,可视化研究社区也使用机器学习方法以支持可视化的自动创建[2]。但这些方法关注于给定数据属性之后的映射方法的选择,用户仍然需要花费时间与精力选择合适的数据项。为帮助用户选择数据,来自香港科技大学和微软亚洲研究院的伍翱宇等人提出MultiVision[3],旨在使用深度学习方法自动构建多视图的可视化。

继续阅读 »

使用众包成对比较学习自动图表布局配置(Learning to Automate Chart Layout Configurations Using Crowdsourced Paired Comparison)

数据可视化在社交媒体、杂志和网站上无处不在,以直观、准确的方式表达复杂的数据。然而,创建有效和精致的可视化即使对于专业人员来说也是一件具有挑战性的任务。仅仅是在图表的布局方面,需要创作者重复多次调整布局的参数,才能得到满意的结果。这个不断试错的过程不具有系统性,而且非常耗时。已有的图表自动布局方法来自于图表制作工具,它们基于预定义规则自动生成布局,然而这种方法可能产生次优的结果。该工作由香港科技大学可视化实验室和微软亚洲研究院合作完成, 提出了一种通过学习用户偏好实现图表布局自动推荐的方法。

继续阅读 »