NeuralCubes：用于可视化数据探索的深度表示
数据库
2019-07-11 v3
摘要
近年来，大型多维数据集的可视化探索取得了巨大进展，允许用户表达丰富的数据查询，实时生成信息丰富的可视化摘要。基于数据立方的技术是最有前景的方法之一。然而，这些技术通常对大型数据集需要较大的内存占用。为解决此问题，我们提出 NeuralCubes：预测聚合查询结果（类似于数据立方）的神经网络。NeuralCubes 学习一个函数，将给定查询（例如地理区域和时间区间）作为输入，并输出查询结果。该学习到的函数充当聚合查询的实时、低内存近似器。NeuralCubes 模型足够小，可发送到客户端（例如基于 Web 应用的 Web 浏览器）进行评估，从而无需数据库/网络连接即可实现大型数据集的数据探索。我们通过在不同数据集上的大量实验证明了 NeuralCubes 的有效性，并讨论了 NeuralCubes 如何为新型可视化和交互带来机遇。
引用
@article{arxiv.1808.08983,
title = {NeuralCubes: Deep Representations for Visual Data Exploration},
author = {Zhe Wang and Dylan Cashman and Mingwei Li and Jixian Li and Matthew Berger and Joshua A. Levine and Remco Chang and Carlos Scheidegger},
journal= {arXiv preprint arXiv:1808.08983},
year = {2019}
}