Sep, 2023

数据配方制作器：基于人工智能的概念驱动可视化创作

PDF
TL;DR使用一个新的可视化范例，即 “概念绑定”，通过一个 AI 代理来解决可视化创作中数据转换的困难，使用 Data Formulator 进行数据转换和可视化创作，并为创作者提供反馈，通过用户研究验证了其有效性和潜在的研究方向。
visualization toolsdata transformationvisualization paradigmconcept bindingai agent
发现论文，激发创造
  • ChartReformer: 自然语言驱动的图表图像编辑

    利用自然语言的图表图像编辑解决方案 ChartReformer 可编辑图像的外观，消除了对原始数据和信息的需求，从而实现了更精确的编辑。

    Mar, 2024

  • DataVizard：为结构化数据推荐可视化展示

    该研究介绍了一种名为 DataVizard 的系统，该系统可以自动推荐最佳的数据可视化方案，以提高结构化查询结果的可视化效率，并通过用户调查验证其准确性。

    Nov, 2017

  • HAIChart：人工智能协作可视化系统

    关键字：数据可视化，商业智能，自动化工具，用户反馈，HAIChart。总结：本文介绍了 HAIChart，一种基于强化学习的框架，通过结合用户反馈，迭代地为给定数据集推荐好的可视化。通过量化评估和用户研究，表明 HAIChart 在召回率方面比先进的人工工具提高 21%，速度提高 1.8 倍，在 Hit@3 和 R10@30 方面比 AI 驱动自动工具提高了 25.1% 和 14.9%。

    Jun, 2024

  • 将对话系统与数据可视化相结合：从自然语言对话中生成交互式数据可视化

    通过使用对话方式构建数据可视化，本研究提出了一种名为 CoVis 的新任务，并通过使用多模态神经网络 MMCoVisNet 来回答与数据可视化相关的查询，实验证明 MMCoVisNet 优于现有基准并达到了最先进的性能。

    Jul, 2023

  • VizAI: 选择准确的数值数据可视化

    本文介绍了一种名为 VizAI 的生成 - 判别框架，该框架首先从多种数据可视化中生成数据的各种统计属性，并与判别模型相连，以选择最匹配被可视化的数据真实统计数据的可视化方式。使用众包判断和大量公开可用的可视化，我们证明 VizAI 优于学习推荐可视化的最新方法。

    Nov, 2021

  • DataSite：基于洞察力的建议计算的主动视觉数据探索

    DataSite 是一种积极的视觉分析系统，通过自动化服务器端计算引擎来减轻分析人员的认知负担和领域知识要求，并通过通知提供重要特征表面。有关用户研究的比较表明，与最近的可视化推荐系统相比，DataSite 在支持复杂分析方面显示出显着改进。

    Feb, 2018

  • 自动生成面向表格数据探索的对话界面

    采用聊天机器人来提供对表格数据源的交互式探索，可以使公民利用数据。聊天机器人是通过一种可配置的对话模式从数据源自动生成的。

    May, 2023

  • Fiper: 结合规则和特征重要性的基于视觉的解释

    人工智能算法在多个高风险领域中已变得无处不在，但其内部逻辑可能对于人类而言难以理解。可解释的人工智能旨在设计工具和技术，以说明所谓的黑匣子算法的预测。人机交互界长期强调对可解释人工智能采用更加以用户为中心的方法的需求。本文提出了一种基于可视化的方法，以说明规则与特征重要性的配对。通过与算法的原始输出和文本表示进行比较，使用了包括 15 个参与者的用户研究，测试了我们的可视化方法在用户中的有效性。

    Apr, 2024

  • Fonduer：从丰富格式化数据中构建知识库

    本研究提出了一种名为 Fonduer 的机器学习 KBC 系统，它通过新的数据模型和深度学习模型，自动捕捉不同模态信息的特征，并利用 Fonduer 的编程模型，将领域专业知识转化为有效的监督信号，以提高知识库构建的效率和质量。与专家编辑的公共知识库相比，Fonduer 的质量平均提高了 41 个 F1 点，并且在某些情况下产生了 1.87 倍的正确条目。

    Mar, 2017

  • 数据视觉：算法抽象中的学习视觉

    本文研究了数据学习环境中机械化应用规则与情境性抉择之间的关系，阐述了数据视力的重要性并讨论了其对数据分析学习、研究和实践的作用。

    Feb, 2020