基于Hier-SUCB的交互式可视化推荐
信息检索
2025-04-10 v5
摘要
可视化推荐旨在实现对海量数据集的快速可视化分析。在现实场景中，快速收集并理解用户偏好以覆盖来自不同背景（包括不同技能水平和分析任务）的用户至关重要。以往的个性化可视化推荐方法是非交互式的，并且依赖于新用户的初始用户数据。因此，这些模型无法有效探索选项或适应实时反馈。为了解决这一局限性，我们提出了一种交互式个性化可视化推荐(PVisRec)系统，该系统从先前交互的用户反馈中学习。为了实现更具交互性和更准确的推荐，我们提出了Hier-SUCB，一种在PVisRec设置下的上下文组合半老虎机算法。理论上，我们展示了在相同时间阶数下改进的整体遗憾界，但改进了动作空间的阶数。我们通过大量实验进一步证明了Hier-SUCB的有效性，在可视化推荐设置中，其性能可与离线方法相媲美，并优于其他老虎机算法。
引用
@article{arxiv.2502.03375,
title = {Interactive Visualization Recommendation with Hier-SUCB},
author = {Songwen Hu and Ryan A. Rossi and Tong Yu and Junda Wu and Handong Zhao and Sungchul Kim and Shuai Li},
journal= {arXiv preprint arXiv:2502.03375},
year = {2025}
}