一种用于推理响应式可视化中面向任务洞察的自动化方法

作者在为桌面和移动设备（即响应式可视化）创建可视化时，通常通过缩放、聚合和其他技术将大屏幕可视化转换为更小的显示屏。然而，转换会改变大屏幕视图所隐含的关系或模式，要求作者在为较小显示屏调整设计时仔细推理要保留哪些信息。我们提出了一种自动化方法，用于近似估计源可视化在响应式转换中对面向任务的可视化洞察（识别、比较和趋势）支持度的损失。我们将识别、比较和趋势损失具体化为目标函数，通过比较渲染的源可视化与每个已实现的目标（小屏幕）可视化的属性来计算。为评估我们方法的效用，我们在一组源可视化上基于人工排序的小屏幕替代可视化训练机器学习模型。我们发现我们的方法在可视化排序中达到了84%的准确率（随机森林模型）。我们在一个原型响应式可视化推荐器中演示了该方法，该推荐器使用答案集编程枚举响应式转换，并使用我们的损失度量评估面向任务洞察的保留情况。我们讨论了我们的方法对自动化和半自动化响应式可视化推荐开发的启示。