Finding Similar People to Guide Life Choices: Challenge, Design, and Evaluation

文章标题: Finding Similar People to Guide Life Choices: Challenge, Design, and Evaluation

来源: CHI 2017, 获得Best Paper Honorable Mention (top 5%)的荣誉

作者:  Fan Du, Catherine Plaisant, Neil Spring, Ben Shneiderman

作品网页: http://hcil.umd.edu/peerfinder/

一、基本问题与动机

人们往往会寻找相似个体来指引他们做出人生选择 (Life Choice), 比如说, 病人往往会接受这样的治疗: 这种治疗在别的和他身体条件差不多的、症状也类似的人身上起作用; 新学生希望遵循前面的人轨迹, 那些有着相似背景和学术表现的人, 最后能够有一个好的职业生涯. 若用传统工具去query会异常复杂, 还可能不返回结果, 毕竟每个人都是独特的个体, 有些属性不能完全的准确匹配. 作者们做的这个大的项目已经持续了十年多, 与诸如医疗研究者\医生\市场营销\交通分析等领域合作, 长期目标是支持prescriptive的用户界面; 而本文主要关注寻找相似个体的寻找过程.
本研究的贡献点在于:
  • 提出了寻找相似个体来指引人生所面临的挑战
  • 实现了一个灵活的原型系统, 它允许用户探索不同层次的控制和上下文、并优化寻找结果
  • 原形系统不同界面配置、基于此的用户调研与访谈

继续阅读 =>

The Connected Scatterplot for Presenting Paired Time Series

论文:The Connected Scatterplot for Presenting Paired Time Series

作者:Steve Haroz, Robert Kosara, and Steven L. Franconeri

发表会议:TVCG 2016

一、简介

Connected scatterplot(后文中简称CS图)在数据新闻领域经常被用于可视化一对时序数据序列。CS图的最初使用案例之一是纽约时报上的一篇关于室友价格和销量的新闻。由于在大数据样本下,CS图会产生非常复杂的模式而难以理解,因此它往往用于展示任务,而非分析任务。本文主要通过四个用户调研的过程,对CS图和以DALC图(双轴图,具体介绍见下一节)为代表的其他用于可视化一对时序序列的方法进行对比评估,探究CS图与DALC图在关于模式理解等任务上的优劣性。

 

继续阅读 =>

A Visual Analytics Approach for Understanding Egocentric Intimacy Network Evolution and Impact Propagation in MMORPGs

论文:A Visual Analytics Approach for Understanding Egocentric Intimacy Network Evolution and Impact Propagation in MMORPGs

作者: Quan Li, Qiaomu Shen, Yao Ming, Peng Xu, Yun Wang, Xiaojuan Ma and Huamin Qu

发表会议:IEEE PacificVis 2017

 

介绍

大型多人在线角色扮演游戏吸引着众多玩家在沉浸式的虚拟游戏环境中和其他玩家进行社交互动。一款优秀的大型多人在线角色扮演游戏应当满足不同玩家不同层次上的需求。因此,研究玩家的社交互动网络和动态的亲密度变化,有助于我们了解玩家在游戏中需求导向的行为,从而提升游戏设计和营销策略。本文提出的MMOSeer是一个用于分析玩家自我中心亲密度网络变化和影响传播的可视分析系统。

继续阅读 =>

Sketching Designs Using the Five Design-Sheet Methodology

论文:Sketching Designs Using the Five Design-Sheet Methodology

作者:Roberts J C, Headleand C, Ritsos P D.

简介:草图在设计不同方案时非常有用。低保真度的草稿可以节省时间,更快的获取更好的解决方案。这个过程常常太过随意,用户不知道如何管理思维和想法。本文提出了FdS(Five Design Sheet)方法学,指导用户如何通过低保真的草图规划和表达想法,得到最终的设计实现。

继续阅读 =>

Visplause: 一个基于合理性检查的时序数据质量评估系统

一、简介:

本文提出的方法普遍适用于各种形式的时序数据。由于本文是在研究能源数据时受到的启发,因此文章以能源数据为例进行介绍。能源数据多取自各个能源站中的传感器,如光伏电厂、风车、水电厂等。在对获取到的能源数据进行下一步的预测或统计任务前,均需要对数据进行质量评估,避免利用大误差数据进行工作。常见的能源数据质量检测方法是数据合理性检查(plausibility check),但是目前如何利用可视化的方法将合理性检查的结果进行统一管理、分析仍然是一个问题。

针对现在的数据量大、数据维度高、合理性检查多样性、实际检查的时间区间局限性等挑战,本文利用了基于数据属性和合理性检查结果的元数据,根据结构化的元数据将数据从维度上分为若干个子集,从而构建了一个层次结构,实现了可扩展的数据的集合。

继续阅读 =>

非歧义的边捆绑方法:调研用Confluent Drawings来构造网络可视化

Towards Unambiguous Edge Bundling:  Investigating Confluent Drawings for Network Visualization

作者: Benjamin Bach, Nathalie Henry Riche, Christophe Hurter, Kim Marriott, Tim Dwyer

会议:TVCG2017

一、主要贡献

1、提供了一个普适的CD算法

2、通过调研生物、社交关系等方面的关于网络的文献,总结了一些网络中的主题图案, 并基于这些主题图案进行评估

3、评估可读性的用户调研

继续阅读 =>

Towards Better Analysis of Deep Convolutional Neural Networks

首先介绍一下CNN(卷积神经网络)。CNN是一种特殊的神经网络,一个标准的CNN由一系列的层组成,包括卷积层,pooling层,全连接层等。

深度卷积神经网络已经在很多领域都有了突破性的表现。然而高质量深度模型的开发伴随着大量的尝试和错误,也并不能清楚的理解深度模型工作的原理。因为它难以理解的函数和并不清晰的工作机制,深度卷积神经网络一直被视作是黑盒模型。

因此,本文提出用可视化的方法帮助研究者更好的理解、判断和调整深度卷积神经网络。

而目前有两个主要的难题阻碍着研究者去理解和分析深度CNN
一:一个CNN可能包含十几乃至100多层(深度),每层又会有成千上万的神经元(广度)
二:CNN包含许多组件,它们的值和作用难以很好的理解

利用嵌套平行坐标图进行多分辨率气象数据集合的参数分析

利用嵌套平行坐标图进行多分辨率气象数据集合的参数分析

Multi-Resolution Climate Ensemble Parameter Analysis with Nested PCPs

会议: VAST2016/ Session Machine Learning

作者: Junpeng Wang, Xiaotong Liu, Han-Wei Shen and Guang Lin

系统截图如下

一、气象预测数据集及相关问题简介:

气象学中, 对流是降雨形成原因。 给定一个大气状态和大气移动参数的值(对流参数),根据已有信息迭代地运行模拟来得到下一个时间段的状态。 一般将感兴趣的空间区域离散化划分成一块块网格,在这些网格上迭代计算,计算下个时间段的状态,网格大小即是分辨率。为了提升准确率,会采用不同参数调节机制,这样就导致了多组参数;另在不同的分辨率下模拟可捕捉不同尺度下的特征,导致了 多分辨率时空气象ensembles这样的数据集。

在相关领域研究中,这样的预测模型有一定的局限性:模型对于参数设定与分辨率都很敏感,高分辨率模型不一定总比低分辨率的好、而且计算开销不同,分辨率越精细开销越大。为此,领域专家需要分析一些问题,来应对这样的局限性。比如:不同参数之间的关联(correlation);这样的关联在不同分辨率下是否可转移(transferable);对流参数和时空模拟ensemble数据(输出)间的关系。

继续阅读 =>

booc.io:一种层次数据的非线性浏览顺序的概念图可视化方法

简介:

网络教学的方法越来越流行,教育通过网络的传播可以更好地利用优秀的教学资源,使得更多的人得到高水平的教育。一方面学生通过网络课程学习到某一门知识时,往往需要提供学习计划,学习材料和课后的讨论论坛。另一方面,教师希望通过网站能够自由的上传不同类型的学习资料(书本,论文,视频,图片等),并希望能够有效直观的为学生提供学习的指导和学习计划,帮助学生提高知识水平。

本文提供了一种能够对教育数据这种层次数据进行可视化的方法,提供概念图的方法,帮助学生理解学习计划,并提供了各种不同的数据接口,实现对不同资料的学习。教师可以通过系统制定学习计划,创建学习内容,达到教学目的。该系统可以通过网址https://booc.io/进行访问。

继续阅读 =>

Visualizing the Hidden Activity of Artificial Neural Networks

论文:Visualizing the Hidden Activity of Artificial Neural Networks

作者:Paulo E. Rauber, Samuel G. Fadel, Alexandre X. Falc ˜ao, and Alexandru C. Telea

发表会议:VAST2016

 

介绍

在机器学习中,模式分类任务主要是根据样子学习得到模型把高维向量进行分类。人工神经网络在模式分类任务获得了最先进的结果,然而神经网络对我们来说还是一个黑盒。深度神经网络可以看作是对原始的图片数据进行了高层次的抽象,将图片转换成另一种高维向量,一种高层次的数据表达。而这个数据表达的每一个维度正是由神经元构成的。本文使用降维方法探索了数据表达以及神经元之间的关系,从而帮助我们了解和改进人工神经网络。

继续阅读 =>

第 4 页,共 32 页« 最新...23456...102030...最旧 »