一种预测人类图布局偏好的机器学习方法
人机交互
2021-03-08 v1 机器学习
摘要
理解人类偏好何种图布局以及为何偏好，由于人脑中高度复杂的视觉感知与认知系统，既重要又具挑战性。本文提出首个用于预测人类图布局偏好的机器学习方法。一般而言，带有人类偏好标签的数据集有限且不足以训练深度网络。为此，我们通过采用迁移学习方法来训练深度学习模型，例如利用形状度量、边交叉和应力等质量度量，这些度量已被证明与人类对图布局的偏好相关。使用真实人类偏好数据集的实验结果表明，我们的模型能够成功预测人类对图布局的偏好。据我们所知，这是首个利用人类偏好实验数据预测图布局定性评估的方法。
引用
@article{arxiv.2103.03665,
title = {A Machine Learning Approach for Predicting Human Preference for Graph Layouts},
author = {Shijun Cai and Seok-Hee Hong and Jialiang Shen and Tongliang Liu},
journal= {arXiv preprint arXiv:2103.03665},
year = {2021}
}
备注
9 pages, 9 figures, PacificVis_Notes