Chart2Vec：上下文感知可视化的通用嵌入
摘要：AI加速了过去十年可视化的创建和自动化。然而，以描述性和生成性的方式提呈可视化仍然具有挑战性。此外，目前的可视化嵌入方法关注的是单独的可视化，忽视了多视图可视化的上下文信息的重要性。为了解决这个问题，我们提出了一种新的表示模型Chart2Vec，以学习具有上下文感知信息的可视化的通用嵌入。Chart2Vec旨在支持广泛的下游可视化任务，如推荐和故事叙述。我们的模型在声明性规范中考虑了可视化的结构和语义信息。为了增强上下文感知能力，Chart2Vec在监督和无监督任务中利用了多任务学习，涉及可视化的共同出现。通过切片研究、用户研究和定量比较，我们对该方法进行了评估。结果验证了我们的嵌入方法与人类认知的一致性，并显示了其优于现有方法的优势。
作者：Qing Chen, Ying Chen, Wei Shuai, Ruishi Zou, Yi Guo, Jiazhe Wang, Nan Cao
论文ID：2306.08304
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-06-16