BioArtlas：基于计算聚类的生物艺术中多维复杂性分析
信息检索
2026-05-19 v2 计算机与社会
人机交互
机器学习
多媒体
摘要
生物艺术的混合性质横跨艺术、科学、技术、伦理与政治，凡是传统的单轴分类方法都难以囊括。本文提出BioArtlas，通过对13个精选维度进行分析，研究81件生物艺术作品。采用新颖的轴向感知表征方法，既保留语义细微差异，又实现跨维度比较。基于信码表（codebook）的方法将相关概念归入统一的聚类，从而解决文化术语中的多义性问题。对最多800种表示空间-算法组合进行全面评估，发现在4维UMAP上以k=15进行层次聚类效果最佳（轮廓系数0.664 ± 0.008，可信度/连续性0.805/0.812）。该方法揭示了四种组织模式：艺术家特定的方法论内聚性、技术驱动的分段、时间维度的艺术演化，以及跨时代的概念亲和性。通过将分析优化与公共交流分离，本文提供严谨的分析结果，并通过交互式网页界面（https://www.bioartlas.com）实现可访问的探索；数据集已公开（https://github.com/joonhyungbae/BioArtlas）。
引用
@article{arxiv.2511.19162,
title = {BioArtlas: Computational Clustering of Multi-Dimensional Complexity in Bioart},
author = {Joonhyung Bae},
journal= {arXiv preprint arXiv:2511.19162},
year = {2026}
}
备注
Bae, J. BioArtlas: Computational Clustering of Multi-Dimensional Complexity in Bioart. In The Thirty-ninth Annual Conference on Neural Information Processing Systems Creative AI Track: Humanity