来源：TVCG (InfoVis) 2017
作者：Evanthia Dimara, Anastasia Bezerianos, and Pierre Dragicevic
一、动机
1、存在诱饵效应和不对称效应。
2、在信息决策中，完备信息不一定推得正确的决定。
3、吸引力影响很重要，没有被充分理解。
轨迹数据在人群行为模式研究，城市规划，城市管理与监督等领域扮演了很重要的角色。应用其他类型的城市数据丰富轨迹数据，能够得到更有意义的分析结果。然而对于轨迹数据的查询和分析存在很多困难。本文针对轨迹数据，设计了一种查询输入的方法，允许用户输入查询序列，并对输入的条件进行直观的展示，从而对数据进行过滤，完成不同的分析目标。
6月5日上午，新华智云团队一行人来访VAG小组，就数据新闻这一话题展开交流探讨。
数据新闻是随着数据时代到来出现的一种新型报道形态，将新闻叙事形式和数据分析灵活并有弹性的结合在一起。通过出色的可视化设计使受众对新闻事件一目了然，并引导受众对新闻事件进行深度解读。如何设计美观直观的数据呈现方式，这是数据新闻报道的一大关键。
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/
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。
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。
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。
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。
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
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。