论文研读-AI4VIS-可视化推荐-VisMaker:面向问题的数据探索可视化推荐方法

1 论文概述

2020年的文章，讲述了一种以问题为导向的可视化推荐方法。

1.1 摘要

数据生产的日益快速增长以及因此需要探索数据以获得最多样化问题的答案，促进了方便数据可视化操作和构建工具的发展。然而，构建有用的数据可视化并不是一项琐碎的任务：它可能涉及大量来自经验丰富的设计师的微妙决策。在本文中，我们提出了一种方法，该方法使用一组启发式方法来推荐与问题相关的数据可视化，以促进对建议的理解，并帮助可视化探索过程。我们的方法是通过VisMaker工具实现和评估的。我们进行了两项比较VisMaker和voyager2的研究，并通过参与者的反馈分析了推荐方法的一些方面。因此，我们发现了该方法的一些优点，并收集了一些评论，以帮助改进可视化推荐工具的开发。

1.2 引言

背景：
数据以前所未有的速度和数量产生和提供。为了从这些数据中获得见解和知识，并回答特定的问题，已经开发了几种可视化构建工具。 由于数据可视化的目标是“通过利用人类视觉系统高度优化的能力来查看模式、发现趋势和识别离群值，从而帮助我们理解数据”，它们应该能够让读者有效地探索数据集，更准确地交流信息，并促进对底层数据的更深入了解。但是，构造数据可视化的过程需要大量的决策，除了选择最合适的可视化编码来表示数据[7]之外，还需要规范要问的问题和使用的数据。在许多情况下，可视化维度的选择是构造有用数据可视化的主要障碍，特别是对于[3]新手来说。

信息可视化领域一些工作：

• 讨论了可视化的有效性，提出了不同的可视化编码(有时称为通道)的等级。
• 基于可视化有效性的启发式构建或推荐数据可视化的工具，帮助用户通过可视化的构建来探索数据集。

本文方案：
在本文中，我们提出了一种新的可视化推荐方法，该方法由VisMaker的开发支持，该工具推荐与回答问题相关的数据可视化，从而促进用户对推荐的理解，并增加他们的兴趣。我们将我们的方法与voyager2工具进行了比较。我们通过两项不同的研究进行了比较：第一项研究专注于回答问题，而第二项研究专注于数据探索场景。得到的结果表明，我们的方法可以帮助用户，通过工具提出的问题，发现更容易理解推荐的图表，这也有助于在探索过程中调查关于数据的假设。

2 相关工作

本文提出了一种新的可视化推荐方法。在这个领域，已经开发了许多工具和作品，从用于创建和操作电子表格的通用工具开始&#