面向任务的可视化图表最优排序

图表序列用于描述数据分析师在探索性分析中生成的一系列可视化图表。它提供每个图表的信息细节以及图表之间的逻辑关系。虽然现有研究致力于生成符合人类感知的图表序列，但很少关注在图表设计空间中形式化图表之间面向任务的关联。我们提出了一种基于强化学习的新型图表排序方法，以在三大主要分析任务（包括相关性分析、异常检测和聚类分析）的上下文中捕捉图表之间的关联。所提方法将图表排序过程形式化为一个优化问题，其为特定分析任务寻求一种最优策略来对图表进行排序。在我们的方法中，引入了一种新的奖励函数，其同时考虑了分析任务与人类认知因素。我们开展了一个案例研究和两个用户研究，以在可视化演示、为推理分析结果排序图表以及做出图表设计选择的应用场景下评估我们方法的有效性。研究结果表明了我们方法的优势。