FinFlier: 利用知识增强大语言模型自动化金融可视化中的图形叠加
人机交互
2024-12-11 v1
摘要
将视觉元素叠加到图表上的图形叠加层，在金融叙事可视化中能有效传达洞察与上下文。然而，自动化图形叠加面临挑战，原因在于复杂的叙事结构和对有效叠加方式的有限理解。为应对这一挑战，我们首先通过一项涵盖 1752 个带对应叙事的层叠图表的调查，总结了金融叙事可视化中常用的图形叠加方式与叙事结构及其对应关系。随后，我们设计了 FinFlier，一个基于知识增强大语言模型的两阶段创新系统，用于自动化金融可视化的图形叠加。文本-数据绑定模块通过先进的提示工程增强了金融词汇与表格数据之间的关联，图形叠加模块则通过叙事排序生成有效的叠加层。我们通过涵盖多样化金融叙事可视化的图形叠加画廊展示了 FinFlier 的可行性与表现力。性能评估与用户研究进一步证实了该系统的有效性以及所生成层叠图表的质量。
引用
@article{arxiv.2412.06821,
title = {FinFlier: Automating Graphical Overlays for Financial Visualizations with Knowledge-Grounding Large Language Model},
author = {Jianing Hao and Manling Yang and Qing Shi and Yuzhe Jiang and Guang Zhang and Wei Zeng},
journal= {arXiv preprint arXiv:2412.06821},
year = {2024}
}
备注
17 pages, 13 figures, this paper is published on IEEE Transactions on Visualization and Computer Graphics