Data2Vis：基于序列到序列循环神经网络的数据可视化自动生成
人机交互
2018-11-06 v3 人工智能
机器学习
摘要
对于在统计学和数据可视化方面时间和技能均有限的用户而言，使用表现力强的语法快速创建有效的可视化是具有挑战性的。即便是高级的专用可视化工具，也常要求用户手动选择数据属性、决定应用何种变换，并指定视觉编码变量与原始或变换后属性之间的映射。本文介绍 Data2Vis，一种用于从给定数据集自动生成可视化的神经翻译模型。我们将可视化生成表述为一个序列到序列的翻译问题，其中数据规范被映射到声明式语言（Vega-Lite）中的可视化规范。为此，我们在一个可视化规范语料库上训练了一个带有长短期记忆（LSTM）单元的多层基于注意力的循环神经网络（RNN）。定性结果表明，我们的模型学习了有效可视化规范的词汇与语法、适当的变换（计数、分箱、均值），以及如何在数据可视化中使用常见的数据选择模式。Data2Vis 在极短时间内生成可与人工创建的可视化相媲美的可视化，并具备在规模上学习更复杂可视化策略的潜力。
引用
@article{arxiv.1804.03126,
title = {Data2Vis: Automatic Generation of Data Visualizations Using Sequence to Sequence Recurrent Neural Networks},
author = {Victor Dibia and Çağatay Demiralp},
journal= {arXiv preprint arXiv:1804.03126},
year = {2018}
}
备注
IEEE VDS'18