VizNet：面向大规模可视化学习与基准评测仓库
人机交互
2019-05-14 v1 数据库
机器学习
摘要
研究人员目前依赖临时数据集来训练自动化可视化工具并评估可视化设计的有效性。这些样例往往缺乏真实世界数据集的特征，且其一次性性质使得不同技术难以比较。在本文中，我们提出VizNet：一个从开放数据存储库和在线可视化画廊编译的超过3100万数据集的大规模语料库。平均而言，这些数据集包含超过3个维度的17条记录，在整个语料库中，我们发现51%的维度记录类别数据，44%为定量数据，仅5%为时间数据。VizNet为比较可视化设计技术、开发用于自动化视觉分析的基准模型和算法提供了必要的通用基线。为展示VizNet作为大规模在线众包实验平台的效用，我们复现了一项先前评估用户任务和数据分布对视觉编码有效性影响的研究，并通过考虑一项额外任务：离群点检测来扩展它。为应对大规模运行此类研究，我们展示了如何从实验结果中学习感知有效性度量，并展示了其在测试数据集上的预测能力。
引用
@article{arxiv.1905.04616,
title = {VizNet: Towards A Large-Scale Visualization Learning and Benchmarking Repository},
author = {Kevin Hu and Neil Gaikwad and Michiel Bakker and Madelon Hulsebos and Emanuel Zgraggen and César Hidalgo and Tim Kraska and Guoliang Li and Arvind Satyanarayan and Çağatay Demiralp},
journal= {arXiv preprint arXiv:1905.04616},
year = {2019}
}
备注
CHI'19