VizCommender：在可视化仓库中计算基于文本的相似度以实现基于内容的推荐
人机交互
2020-08-19 v1
摘要
基于云的可视化服务使视觉分析比以往触及远为广泛的受众。Tableau 等系统已开始以交互式可视化工作簿的形式积累日益增长的分析知识仓库。当被共享时，这些集合可形成视觉分析知识库。然而，随着集合规模增大，查找相关信息的难度也随之增加。基于内容的推荐（CBR）系统可帮助分析师查找并管理与其兴趣相关的工作簿。为此目标，我们关注代表可视化主题而非视觉编码与风格的基于文本的内容。我们讨论了基于可视化规范创建 CBR 所面临的挑战，并更具体地探索如何使用 Tableau 工作簿规范作为内容数据源来实现所需的相关性度量。我们还展示了可从这些可视化规范中提取的信息，以及如何使用各种自然语言处理技术来计算工作簿间的相似度作为衡量相关性的一种方式。我们报告了一项众包用户研究，以确定我们的相似度度量是否模仿人类判断。最后，我们选择隐狄利克雷分配（LDA）作为特定模型，并将其实例化到一个概念验证推荐工具中，以演示我们相似度度量的基本功能。
引用
@article{arxiv.2008.07702,
title = {VizCommender: Computing Text-Based Similarity in Visualization Repositories for Content-Based Recommendations},
author = {Michael Oppermann and Robert Kincaid and Tamara Munzner},
journal= {arXiv preprint arXiv:2008.07702},
year = {2020}
}