解构可视化推荐中的分类：一种分类法与比较研究
人机交互
2024-10-28 v1
摘要
可视化推荐（VisRec）系统在探索性数据分析过程中为用户提供潜在有趣且有用的后续步骤建议。这些推荐通常根据其分析动作（即从当前探索状态过渡到推荐可视化所采用的操作）被组织为若干类别。然而，尽管近期工作中出现了大量 VisRec 系统，这些系统所采用类别在分析工作流中的效用尚未被系统研究。我们的论文通过形式化常见类别的分类法并开发实现这些类别的系统 Frontier，来探究推荐类别的有效性。利用 Frontier，我们评估用户所采用的工作流策略以及类别如何影响这些策略。参与者发现，在数据探索过程中，向当前可视化添加属性以增强之的推荐，以及筛选到子群体的推荐，相对最为有用。我们的发现为通过精心选择有效推荐类别而实现自适应与个性化的下一代 VisRec 系统铺平了道路。
引用
@article{arxiv.2102.07070,
title = {Deconstructing Categorization in Visualization Recommendation: A Taxonomy and Comparative Study},
author = {Doris Jung-Lin Lee and Vidya Setlur and Melanie Tory and Karrie Karahalios and Aditya Parameswaran},
journal= {arXiv preprint arXiv:2102.07070},
year = {2024}
}
备注
10 pages. This work has been submitted to IEEE TVCG