KG4Vis：一种基于知识图谱的可视化推荐方法

可视化推荐或自动可视化生成能显著降低普通用户（尤其是那些没有数据可视化背景的用户）快速创建有效数据可视化的门槛。然而，现有的基于规则的方法需要可视化专家繁琐地手动指定可视化规则。其他基于机器学习的方法常像黑盒一样工作，难以理解为何推荐特定可视化，限制了这些方法的更广泛应用。本文提出 KG4Vis——一种基于知识图谱（KG）的可视化推荐方法，弥补了这一差距。它不需要手动指定可视化规则，也能保证良好的可解释性。具体而言，我们提出一个构建知识图谱的框架，由三类实体（即数据特征、数据列和可视化设计选择）及其之间的关系组成，以建模数据与有效可视化之间的映射规则。采用基于 TransE 的嵌入技术，从现有的数据集-可视化配对中学习知识图谱中实体与关系的嵌入。此类嵌入内在地建模了理想的可视化规则。然后，给定新数据集，可从知识图谱中通过语义上有意义的规则推断出有效可视化。我们进行了大量评估来评价所提方法，包括定量比较、案例研究和专家访谈。结果证明了我们方法的有效性。