可视化设计知识库的数据增强

可视化知识库通过赋予设计空间的计算推理和推荐能力来评估设计之间的权衡。这些系统使用分配给不同特征(例如对变量进行分箱)的数值权重来评估设计权衡。特征权重可以通过拟合模型到一组图表对中学习得来,其中一个图表被视为优于另一个图表。到目前为止,已绘制的标注图表对来自已发表实验结果;然而,这些图表对不够全面,导致训练语料库缺乏许多设计变体,无法系统评估潜在的权衡。为提高知识库的覆盖范围和准确性,我们为生成和标记图表对贡献数据增强技术。我们提出方法,基于设计置换生成新图表对,并识别未评估的特征,从而扩展了拥有数千个新图表对的语料库,这些图表对需要标签。因此,我们随后比较各种方法以扩展标记工作,以标注图表对,以学习更新的特征权重。我们在Draco知识库的上下文中对方法进行评估,证明了特征覆盖范围和图表推荐性能的改进。