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。

一、比较图表转化类型
1、识别编辑操作：基于vega-lite范式，作者对所有原子操作（任意基于vega-lite的操作由一个或一组原子操作组成）进行总结。全部原子操作被分为三组，见下表。

2、对编辑操作排序：为了计算转换成本，作者基于转换时的理解难度对编辑操作构建不等关系。由于原子操作数量过多，一一评价难度过大，作者首先基于语义对三大类的难度进行了排序：

- 标记类型：保留数据不变

- 数据转换：改变汇总级别或数据集合

- 可视编码：改变正在显示的内容

根据三者语义，理解成本是依次递增的。接下来，作者在每类类内执行了三元比较的自实验，比如考虑从一个柱状图变化为饼图好理解还是线图好理解等。最后，基于这份数据，做GNMDS (广义非度量多维缩放) 投影。投影距离即转化成本。

3、导出编辑操作成本：从之前得到的初始差异模型中推导出整体的成本模型有如下挑战：

- 类间转化距离是否需要缩放？

- 多次操作叠加的成本不是简单的累加

- 生成的距离是对称的，然而实际转化成本不是

针对这些挑战，作者提出的解决方法是：在保留类间有序性的基础上，将不等式转化为线性规划问题。

二、实证研究

为了验证上述结论，也为了给出进一步研究的方向，作者招募了51个上可视化课程的学生进行了实验。在实验中，被试被要求想象自己需要以ppt的形式向别人介绍几组图表，为了让别人更好理解，需要对每组图表进行排序。作者分布针对七个主题进行了实验，结论如下：

- （维度）增加 vs. 移除，没有明显差异

- 标记类型变化 vs. 轴变换，后者有明显难度

- 过滤 vs. 颠倒，后者有明显难度

- （过滤）增加 vs. 移除，没有明显差异

- 总结 vs. 挖掘？偏好逐步挖掘

- 是否偏好编辑最小化？是

- 是否偏好子序列并行？是

三、GraphScape

GraphScape模型考虑三个要素：V：Vega-lite范式，E：编辑操作，有权，D：数据表

1、转化成本：两个阶段间转移成本：最短路径上的权重和

2、过滤顺序成本：过滤的谓词可以是等价，符合范围或者属于集合。这里只考虑等价，其他列入未来工作。相比于降序排序，升序排序更符合认知，公式中通过+0.1对升序进行奖励。

3、奖励子序列一致性：对子序列的出现和频次进行奖励。

4、总成本

四、序列评分实验

1、实验设计：比较用户偏好和GraphScape的评估模型。被试为从AMT上招募的55人，平均41分钟完成全部内容，获得$6.5报酬。具体任务为六组：对六个图表的五种排序打分（5分制）。例子如下图。

2、实验过程：

- 先观察图表，回答三个和图表相关问题。若回答错误证明没有认真看图，数据作废。

- 思考什么排序最好，点确认。

- 看系统给出的五种排序并打分。

- 描述原因，登记信息。

3、结果分析

多种分析结果显示：不同排序的得分有显著差异，和它们在任务中出现的位置没有显著关系。排名差异除了第四组以外都显著。GraphScape模型推荐结果和用户排名显著相关。

五、应用

- 序列推荐：以目标函数的形式出现在优化问题中，结合用户交互推荐序列。

- 路径优化：定义动画分界点。

- 设计替代方案。

六、未来工作

- 拓展到更细致的范式

- 处理更复杂的谓词

- 学习用户决策语料库

- 考虑非线性模型

-从可视化层面拓展到数据层面

- 在实验中考虑细微影响