搜索结果 文章归档: 五月 2018

Trust, but Verify: Optimistic Visualizations of Approximate Queries for Exploring Big Data

作者:Dominik Moritz, Danyel Fisher, Bolin Ding, Chi Wang

发表:2017 CHI

一、简介:

探索式数据分析可以理解为一个分析多维数据的过程,主要通过探索数据分布及不同维度之间关联关系来完成分析过程。在这个过程中,最重要的两个要素是迭代探索与探索速度。近似查询(Approximate Query)是在探索式数据分析中常用的查询方法,能够在交互级别的响应时间内建立一个基于近似的可视化结果,但查询结果往往具有不确定性。本文提出了乐观可视化(Optimistic Visualization)的概念方法,并通过实验验证了其有效性。

继续阅读 =>

GraphScape: A Model for Automated Reasoning about Visualization Similarity and Sequencing

作者:Younghoon Kim, Kanit Wongsuphasawat, Jessica Hullman, Jeffrey Heer
发表:2017 CHI (Best paper honorable mention)

简介 在实际使用时,用户可能会有连续查看多个图表的需求,然而已有的推荐系统只关注单一图表。本文的作者考虑可视化之间的相似性和顺序,给出了GraphScape——一个可以结合顺序评估变换成本的有向图模型。

继续阅读 =>