学习有向无环图中人类检测到的差异
人机交互
2024-08-31 v1
摘要
先前的研究表明，在视觉比较任务中，包括涉及有向无环图的任务，人类对相似性的感知与数学度量不同。这种差异可能导致遗漏差异和对算法结果的怀疑。为了解决这个问题，我们旨在学习人类在视觉上检测到的图的结构差异。我们想要将这些人类检测到的差异与实际变化一起可视化，增强可信度并帮助用户发现被忽视的差异。我们的方法与最近捕捉人类行为的机器学习研究一致。我们提供了一个数据增强算法、一个数据集和一个机器学习模型来支持这个任务。这项工作填补了学习有向无环图差异的空白，并有助于更好的比较可视化。
引用
@article{arxiv.2406.05561,
title = {Learning Human Detected Differences in Directed Acyclic Graphs},
author = {Kathrin Guckes and Alena Beyer and Margit Pohl and Tatiana von Landesberger},
journal= {arXiv preprint arXiv:2406.05561},
year = {2024}
}