RAISE: Reasoning Agent for Interactive SQL Exploration
Universidade Estadual de Campinas (UNICAMP)(坎皮纳斯州立大学(UNICAMP))
本文提出统一智能体框架 RAISE,将模式链接、查询生成与迭代优化端到端整合,通过扩展交互式数据库探索深度提升 text-to-SQL 推理能力,在 BIRD 数据集上显著提高执行准确率并降低工程复杂度。
2025-06-02 cs.AI
Mapping Tasks to Interactions for Graph Exploration and Graph Editing on Interactive Surfaces
图形探索和编辑仍然是独立考虑的,使用的系统不是为今天的交互式表面(如智能手机,平板电脑或桌面)设计的。当为那些支持图形探索和图形编辑的现代设备开发系统时,有必要1)确定需要支持哪些基本任务,2)可以使用哪些交互,以及3)如何映射这些任务和交互。这份技术报告提供了一个图表探索和编辑的基本交互任务列表,作为广泛的系统审查的结果。此外,不同的交互方式的交互表面进行审查,根据其相互作用的词汇和进一步的自由度,可以用来使相互作用区分进行了讨论。在图形探索和编辑的范围之外,我们提供了一种用于查找和评估从任务到交互的映射的方法,该方法通常适用。因此,这项工作作为一个指导方针,开发一个系统的图形探索和编辑,是专门为交互式表面。
2015-06-25 cs.HC
Jupyter Scatter: Interactive Exploration of Large-Scale Datasets
本研究提出Jupyter Scatter交互式散点图组件,支持多平台使用,可渲染两千万级点、快速选点,兼容主流数据与可视化工具,简化大规模双变量数据集的可视化探索与分析。
2024-06-21 cs.HC
TSExplorer: An interactive data annotation and exploration tool for time-series data
Signal Processing Research Centre, Tampere University(坦佩雷大学信号处理研究中心);University of Helsinki(赫尔辛基大学)
TSExplorer是一款用于时间序列数据的跨平台交互式工具,支持高维数据可视化、多类数据处理工作流程,助力时间序列数据的标注、探索与标签优化。
2026-09-01 cs.AI cs.HC cs.LG
Argo Scholar: Interactive Visual Exploration of Literature in Browsers
发现和理解相关的研究文献是成为任何科学学科知识的基础。可视化可以帮助这一过程;然而,现有工具的采用和影响往往受到限制,例如依赖于快速过时的小型纸质数据集,或者缺乏对个性化探索的支持。我们介绍Argo Scholar,一个开源的,基于网络的可视化工具,用于交互式文献探索和轻松共享探索结果。Argo Scholar对Semantic Scholar近2亿篇论文的实时数据进行查询和可视化,使用户能够通过灵活的增量探索实时生成个性化的文献探索结果,这是研究人员发现相关工作的常用有效方法。我们的工具允许用户轻松地分享他们的文献探索结果作为一个URL或Web嵌入式IFrame应用程序。Argo Scholar是开源的,可在https://poloclub.github.io/argo-scholar/上获得。
2021-10-26 cs.HC
Doris: A tool for interactive exploration of historic corpora (Extended Version)
对社会现象的洞察可以从与该现象相关的文档语料库中的趋势和模式中收集。近年来,人们使用计算技术,主要是基于关键字,来分析大型语料库,用于这些目的。在本文中,我们扩展这些技术,将语义特征。我们介绍多丽丝,一个交互式的探索工具,结合语义特征与信息检索技术,使相应的社会现象的文档语料库的探索。我们讨论了语义技术,并描述了美国(US)总统演讲语料库上的实现。我们举例说明,如何在可视化中结合句法和语义特征的能力,帮助研究人员更容易地获得洞察到的潜在现象。
2017-10-31 cs.HC
SPICA: Interactive Video Content Exploration through Augmented Audio Descriptions for Blind or Low-Vision Viewers
SPICA是一个AI驱动的系统,通过交互式帧字幕导航、空间音效和物体描述增强音频描述,使盲人或低视力用户能够更灵活、沉浸地探索视频内容,无需额外人工标注。
2024-02-27 cs.HC cs.MM
Mapper Interactive: A Scalable, Extendable, and Interactive Toolbox for the Visual Exploration of High-Dimensional Data
映射器算法是拓扑数据分析中一种常用的工具,用于提取高维数据集的拓扑摘要。在本文中,我们提出了映射交互式,一个基于Web的框架的交互式分析和可视化的高维点云数据。它以交互式、可伸缩和易于扩展的方式实现了映射器算法,从而支持实际的数据分析。特别是,它的命令行API可以在大约3分钟内计算256维的100万个点的映射器图(比vanilla实现快4倍)。它的可视化界面允许基于用户指定的参数对映射图进行实时计算和操作,并支持通过几行代码添加新的分析模块。Mapper Interactive使非专业人员也能使用映射器算法,并加快拓扑分析工作流程。
2021-04-27 cs.CG cs.GR cs.HC
Developing a Visual Interactive Search History Exploration System
当用户在系统内搜索时,他们进行不同的查询并检查各种结果。这些对象形成了一个隐式的个人图书馆,代表所获得的知识。在我们的研究中,我们的目标是为用户提供可视化的搜索历史和交互方法来组织历史。最根本的问题是搜索历史探索在用户搜索过程中可以发挥什么作用。在本文中,我们想介绍一个原型系统的搜索历史探索的思想和讨论的方法来解决上述问题。
2013-11-04 cs.HC cs.IR
ZoomTable: Interactive Exploration of Data Facts in Hierarchical Tables via Semantic Zooming
Beijing Institute of Technology(北京理工大学);Shenzhen University(深圳大学)
本文提出ZoomTable系统,通过语义缩放技术解决层次表中数据事实布局冲突问题,支持多维数据事实的多尺度交互探索。
2026-04-12 cs.HC
YAC: Bridging Natural Language and Interactive Visual Exploration with Generative AI for Biomedical Data Discovery
Harvard Medical School(哈佛医学院)
本文提出YAC系统,结合自然语言输入和交互式可视化,通过生成式AI提升生物医学数据发现接口的能力,通过用户研究和系统分析改进系统设计和功能。
2026-05-19 cs.AI cs.HC
"The Diagram is like Guardrails": Structuring GenAI-assisted Hypotheses Exploration with an Interactive Shared Representation
College of Information, University of Maryland USA(信息学院,马里兰大学美国分校);IBM Research USA(IBM美国研究)
本研究通过设计探针实验,验证了节点-链接图作为共享表示,结合AI提示,能有效结构化假设探索,提升人机协作数据分析的广度与深度。
2025-04-21 cs.AI cs.HC
DASH: A Bimodal Data Exploration Tool for Interactive Text and Visualizations
本文提出双模态数据探索工具DASH,结合语义层级模型与大语言模型,通过拖放交互将文本与可视化整合,以支持数据驱动叙事的创建。
2024-08-05 cs.HC
Facilitating Visual Media Exploration for Blind and Low Vision Users through AI-Powered Interactive Storytelling
本研究提出AI驱动的交互式叙事范式,通过层级、并行和分支三种叙事技术,帮助盲人和低视力用户在连贯体验中探索视觉媒体,平衡用户自主性与叙事连贯性。
2025-08-07 cs.HC
NERVIS: An Interactive System for Graph-Based Exploration and Editing of Named Entities
University of Ljubljana(卢布尔雅那大学)
NERVIS是一个用于探索和编辑命名实体的交互式系统,通过图表示整合文档、实体提及和实体,支持灵活的探索和交互式编辑。
2025-12-09 cs.HC
FeatureExplorer: Interactive Feature Selection and Exploration of Regression Models for Hyperspectral Images
本文提出可视化分析系统FeatureExplorer,支持在高光谱图像高维特征空间交互式选择特征,动态评估回归模型与特征子集重要性,助力用户迭代优化诊断模型。
2019-08-02 cs.HC
Interactive Collaborative Exploration using Incomplete Contexts
University of Kassel(卡塞尔大学);Research Center for Information System Design(信息系统设计研究中心)
属性探索是形式概念分析领域中一种著名的知识获取方法。它用于在领域专家的帮助下揭示一组属性中的依赖关系。在大多数应用中,没有一个专家能够(时间和知识方面)单独探索知识领域。然而,到目前为止,还没有理论模型的多个专家的属性探索任务的不完全知识的互动。为此,我们开发了一个理论框架,允许多个专家一起探索领域。我们使用不完整知识的表示作为三值上下文。然后,我们适应相应版本的属性探索,以适应多个专家的设置。我们建议形式化的关键组成部分,如专家知识,互动和协作策略。特别是,我们定义了一个顺序,允许比较不同的探索策略的结果在同一个任务方面的信息完整性。此外,我们还讨论了比较合作策略的其他方法,并为未来的研究提出了建议。
2020-01-31 cs.AI cs.HC cs.LG
Interactive Exploration of the Employment Situation Report: From Fixed Tables to Dynamic Discovery
美国劳工统计局的月度就业形势报告被经济学家、记者和政治家广泛预测,因为它被用来预测美国的经济状况。该报告对公众和企业的经济信心产生了广泛的影响;然而,在线访问这些数据采用了过时的技术,使用的是仅包含文本和固定表格信息的PDF格式。在劳工统计局网站上创建一个动态发现的互动界面,可以在公众和政府领域之间引发更多的对话,为政府网站吸引更多的流量,并引发更大的公民参与。我们的工作表明,交互式视觉分析技术的实施,使动态发现导致数据的快速解释,以及提供的手段来探索数据的进一步见解。本文提出了两个鼓舞人心的原型:交互式可视化仪表板和交互式时间序列资源管理器,允许时间和空间分析,并使用户能够结合数据集创建自己的定制可视化。
2016-08-11 cs.HC
Interactive Discovery and Exploration of Visual Bias in Generative Text-to-Image Models
TU Wien(维也纳工业大学);St. Pölten University of Applied Sciences(圣珀尔滕应用科学大学)
本文提出ViBEx工具,通过交互式界面和零样本偏见探测,帮助发现生成文本到图像模型中的视觉偏见,通过案例研究验证其有效性。
2025-04-28 cs.HC
Argo Lite: Open-Source Interactive Graph Exploration and Visualization in Browsers
图形数据变得越来越普遍。将它们可视化有助于人们更好地理解实体之间的关系。不幸的是,现有的图形可视化工具主要是为单人桌面使用而设计的,对基于Web的交互式探索和在线协作分析的支持有限。为了解决这些问题,我们开发了Argo Lite,一个新的浏览器交互式图形探索和可视化工具。Argo Lite使用户能够以URL和嵌入式Web小部件的形式发布和共享交互式图形可视化。用户可以通过添加更多相关节点来逐步探索图形,例如被引文网络引用的高被引论文或引用感兴趣的论文。Argo Lite可跨设备和平台工作,利用WebGL实现高性能渲染。Argo Lite已经被佐治亚理工学院数据和可视化分析课程的1,000多名学生使用。Argo Lite可以作为一个有价值的开源工具,用于推进多个CIKM研究领域,从数据表示到信息系统接口等。
2020-08-26 cs.HC cs.SI
Interactive Counterfactual Exploration of Algorithmic Harms in Recommender Systems
University of Pittsburgh(匹兹堡大学);Quest Diagnostics(奎斯特诊断公司)
针对推荐系统存在算法偏差引发不公平体验的问题,本研究开发了结合可视化、反事实解释与交互模块的探索工具,经用户访谈验证可提升算法透明度,助力理解偏差并推动更公平的推荐。
2024-09-10 cs.AI cs.HC cs.IR
DISCOVER: A Data-driven Interactive System for Comprehensive Observation, Visualization, and ExploRation of Human Behaviour
University of Augsburg(奥格斯堡大学)
针对传统行为分析耗时费力及计算模型复杂难用的问题,本文提出模块化、用户友好的软件框架DISCOVER,通过四个递进式工作流实现交互式数据探索,使非技术研究者也能进行详细行为分析。
2024-07-18 cs.AI cs.HC
CohortVA: A Visual Analytic System for Interactive Exploration of Cohorts based on Historical Data
在历史研究中,队列分析试图通过研究历史人物的群体行为来识别社会结构和人物流动性。以往的工作主要采用自动数据采掘方法,缺乏有效的可视化解释。在本文中,我们提出了CohortVA,一个互动的视觉分析方法,使历史学家将专业知识和洞察力的迭代探索过程。CohortVA的核心是一种新的识别模型,它通过从大规模历史数据库中构建的预构建知识图谱来生成候选队列并构建队列特征。我们提出了一套协调的意见,以说明确定的队列和功能,再加上历史事件和数字配置文件。两个案例研究和对历史学家的采访表明,CohortVA可以大大提高队列识别,数字认证和假设生成的能力。
2022-08-19 cs.HC
TofuML: A Spatio-Physical Interactive Machine Learning Device for Interactive Exploration of Machine Learning for Novices
The University of Tokyo(东京大学);Tsukuba University(筑波大学);Fujitsu Limited(富士通株式会社)
本研究推出面向非专业用户的物理空间交互ML系统TofuML,通过两项用户研究证实其相比GUI版本更能提升用户参与度、降低ML入门门槛,为普适性交互式ML系统开发提供依据。
2025-08-06 cs.HC
HyperNP: Interactive Visual Exploration of Multidimensional Projection Hyperparameters
Tufts University(塔夫茨大学);University of Sao Paulo(圣保罗大学);University of Utrecht(乌得勒支大学);Indiana University Bloomington(印第安纳大学伯明顿分校);Novartis(诺华公司)
投影算法,如t-SNE或UMAP是有用的高维数据的可视化,但依赖于超参数,必须仔细调整。不幸的是,迭代地重新计算投影以找到最佳超参数值是计算密集型的,并且由于这些方法的随机性而不直观。在本文中,我们提出了HyperNP,一个可扩展的方法,允许实时交互式超参数探索的投影方法,通过训练神经网络近似。HyperNP可以在总数据实例和超参数配置的一小部分上进行训练,并且可以以交互式速度计算新数据和超参数的投影。HyperNP尺寸紧凑,计算速度快,因此可以嵌入到轻量级可视化系统中,如Web浏览器。我们在性能和速度方面评估了HyperNP在三个数据集上的性能。结果表明,HyperNP是准确的,可扩展的,交互式的,适合在现实世界中使用。
2021-06-25 cs.HC cs.LG
STRIELAD -- A Scalable Toolkit for Real-time Interactive Exploration of Large Atmospheric Datasets
针对高精度天气气候模拟带来的大规模数据可视化与分析挑战,提出可扩展天气分析工具包STRIELAD,结合高性能计算的并行分布式特征提取与智能细节层次渲染,实现大规模大气数据集的实时交互式探索与可视化。
2025-01-24 cs.DC cs.GR cs.HC
Forming IDEAS Interactive Data Exploration & Analysis System
Oak Ridge National Laboratory(橡树岭国家实验室);University Nebraska, Lincoln(内布拉斯加大学林肯分校);Virginia Tech(弗吉尼亚理工学院暨州立大学)
现代网络安全操作收集了大量的日志和警报数据。虽然分析师有能力从他们的数据中查询和计算简单的统计数据和图表,但目前的分析工具太简单,无法深入理解。为了检测高级和新颖的攻击,分析师转向手动调查。虽然司空见惯,但目前的调查耗时,基于直觉,而且证明是不够的。我们的假设是,为分析师配备易于使用的数据科学工具将提高他们的工作效率,为他们提供通过对数据进行科学调查来解决假设的能力,并通过证据而不是直觉来支持他们的决策。为此,我们提出了我们的工作,建立IDEAS(交互式数据探索和分析系统)。我们提出了三个现实世界的用例,驱动系统设计的算法功能的用户界面。最后,一个模块化和可扩展的软件体系结构进行了讨论,随着我们的试点部署与安全操作命令的计划。
2018-06-20 cs.AI cs.CR cs.HC
Kyrix: Interactive Visual Data Exploration at Scale
可扩展的交互式可视化数据探索是至关重要的,在许多领域,由于越来越大的数据集产生的速度快。按需细节为探索大型数据集提供了一个有用的交互范例,用户可以从概览开始,找到感兴趣的区域,放大以查看详细视图,缩小然后重复。这种模式是广泛使用的系统的主要用户交互模式,例如Google Maps,Aperture Tiles和ForeCache。然而,这些早期的系统是高度定制的,具有硬编码的视觉表示和优化。需要一个更通用的框架来促进可视化数据探索系统的大规模开发。在本文中,我们提出了Kyrix,一个端到端的系统,用于开发可扩展的细节按需数据勘探应用程序。Kyrix为开发人员提供了一个声明式模型,用于轻松规范通用可视化。在幕后,Kyrix利用一套性能优化技术,实现各种用户交互的响应时间在500毫秒以内。我们还报告的性能研究结果表明,Kyrix采用的一种新的动态抓取方案优于早期系统中使用的基于瓦片的抓取。
2019-05-12 cs.DB cs.HC
TaxThemis: Interactive Mining and Exploration of Suspicious Tax Evasion Group
逃税是许多国家的严重经济问题,因为它会破坏政府的税收制度,导致不公平的商业竞争环境。最近的研究应用数据分析技术来分析和检测个人纳税人的逃税行为。然而,它们未能支持对日益增多的关联方交易逃税行为(如,转让定价),其中涉及一组纳税人。在本文中,我们提出了TaxThemis,一个交互式的可视化分析系统,以帮助税务人员挖掘和探索可疑的逃税群体,通过分析异构的税务相关数据。构建纳税人网络,并与贸易网络融合,以检测可疑的RPTTE组。丰富的可视化设计旨在通过利润和拓扑数据分析促进相关纳税人之间可疑交易的探索和调查。具体来说,我们提出了一个日历热图,并采用精心设计的编码方案,直观地显示通过关联方交易转移收入的证据。我们通过对现实世界中与税收相关的数据的两个案例研究,以及对领域专家的采访,展示了TaxThemis的实用性和有效性。
2020-09-07 cs.HC
Chronodes: Interactive Multi-focus Exploration of Event Sequences
移动医疗技术的出现提出了新的挑战,现有的可视化,交互式工具和算法尚未设计支持。在处理传感器数据和高维生理记录中的不确定性时,我们必须寻求改进当前的工具,这些工具从基于事件的趋势发现的传统角度来理解健康数据。Chronodes是一个旨在帮助研究人员收集、解释和建模移动健康(mHealth)数据的系统,我们使用了一系列交互技术,这些技术可以实现理解和探索基于事件的数据的新方法。Chronodes从大量不连续的移动健康数据流中发现并可视化频繁的事件序列,这些事件序列揭示了参与者和日期之间的常见时间顺序模式。然后,通过将这些序列作为互动元素进行推广,Chronodes提供了寻找、定义和比较表现出特定行为的参与者群体的机会。我们将Chronodes应用于一个真实的40GB mHealth数据集,捕获了大约400小时的数据。通过我们与20位行为和生物医学健康专家的试点研究,我们深入了解了Chronodes的功效,局限性以及对各种医疗保健场景的潜在适用性。
2016-09-27 cs.HC
Kinetic surface friction rendering for interactive sonification: an initial exploration
受声音和摩擦在与日常物体交互中的作用的启发,这项工作旨在确定一些方法,其中动态表面摩擦渲染可以补充由可移动物体控制的交互式发声。为了做到这一点,提出了一种触觉系统,其实现具有可编程摩擦的可移动物理对象。该系统的重要方面包括显示高分辨率动摩擦模式的能力,直接根据物理单位在算法上定义交互的能力,以及音频和触觉合成的完整集成。一个原型的互动空间映射任意的1D信号数据的表面上,并直接将这些转换为声音和摩擦在整个表面的运动过程中描述。这种相互作用的试点评估的结果表明,如何动态表面摩擦渲染可以是一种手段,动态创建的虚拟对象的声音一个有形的存在。确定了运动输入和摩擦输出的一些具体的可能作用,以及在交互式发声的背景下应用和进一步开发这种类型的触觉反馈时要考虑的问题。
2021-07-29 cs.HC
WhatIf: Interactive Exploration of Large-Scale LLM Agent Simulations for Policy Reasoning
School of Computer Science, Carnegie Mellon University(卡内基梅隆大学计算机科学学院)
WhatIf系统通过实时交互帮助政策制定者探索基于大语言模型的社会模拟,支持在深度不确定性下进行政策推理,提升决策过程的灵活性和可解释性。
2026-10-21 cs.HC
KinemaFX: A Kinematic-Driven Interactive System for Particle Effect Exploration and Customization
本文提出KinemaFX交互式系统,结合粒子特效语义—运动学概念模型、LLM工作流与结构化搜索,帮助非专家用户探索并定制粒子特效。
2025-07-26 cs.HC
A Generic Framework and Library for Exploration of Small Multiples through Interactive Piling
小倍数是在许多领域中普遍使用的视觉信息的微型表示。处理大量的小倍数给许多分析任务带来了挑战,如检查、比较、导航或注释。为了应对这些挑战,我们开发了一个框架,并实现了一个名为Piling.js的库,用于设计交互式打桩界面。基于堆积隐喻,这样的界面通过交互式地将视觉对象聚合成堆,提供了灵活的组织、探索和大量小倍数的比较。本文在系统分析前人工作的基础上,提出了一个结构化设计空间来指导可视化打桩界面的设计。为了使设计人员能够有效地构建自己的可视化打桩界面,Piling.js提供了一个声明式接口,以避免编写低级代码并实现设计空间的常见方面。附带的GUI还支持打桩界面的动态配置。我们用来自机器学习、免疫荧光显微镜、基因组学和公共卫生的例子展示了Piling.js的表现力。
2020-08-15 cs.HC
Galaxy Tracer: A Topology-First 3D Interface for Interactive PCAP Exploration
Olivet Nazarene University(奥利特纳扎内大学)
Galaxy Tracer通过三维网络拓扑替代传统表格列表,提供交互式PCAP探索,揭示通信密度、集群、主机中心性等分析信息。
2026-03-16 cs.HC cs.NI
A Visual Analytics System for Interactive Exploration of Historical Painter Cohorts
College of Computer Science and Technology, Zhejiang University of Technology(浙江工业大学计算机科学与技术学院);School of Computer and Computing Science, Hangzhou City University(杭州城市学院计算机与计算科学学院);State Key Lab of CAD&CG and the Laboratory of Art and Archaeology Image, Zhejiang University(浙江大学计算机辅助设计与图形学国家重点实验室及艺术与考古图像实验室)
针对历史画家群体分析中特征非结构化、继承关系复杂和群体定义验证困难等问题,提出HPC-Vis系统,通过多尺度特征构建、继承关系重构和推荐模型,结合创新可视化设计,支持交互式探索。
2026-06-02 cs.HC
ChameleonIDE: Untangling Type Errors Through Interactive Visualization and Exploration
动态类型程序设计语言在教育和软件行业中很流行。虽然进入门槛很低,但它们存在运行时类型错误以及代码质量和可维护性方面的长期问题。静态类型语言虽然在这些方面表现出优势,但缺乏易学性和易用性。特别是,修复类型错误给新手用户和专家都带来了挑战。此外,编译器类型的错误消息以偏向于程序代码中第一次出现错误的静态方式呈现。为了帮助用户解决此类类型错误,我们引入了ChameleonIDE,这是一种类型调试工具,它以公正的方式向用户呈现类型错误,允许他们探索错误可能发生的完整上下文。程序员可以交互式地验证推理的步骤是否与他们的意图相反。通过三项涉及真正程序员的研究,我们表明ChameleonIDE在修复类型错误方面比传统的基于文本的错误消息更有效。这种差异在更困难的任务中更显着。此外,程序员积极使用ChameleonIDE的交互式功能被证明在修复类型错误方面比被动读取类型错误输出更有效。
2023-03-17 cs.HC cs.PL
ConceptEVA: Concept-Based Interactive Exploration and Customization of Document Summaries
提出ConceptEVA混合主动方法,结合多任务longformer编码器解码器与概念网络可视化,支持长篇多主题文档摘要的生成、评估与定制,实验表明用户满意度优于手动生成。
2023-03-31 cs.HC
MindTrellis: Co-Creating Knowledge Structures with AI through Interactive Visual Exploration
University of Waterloo(多伦多大学);York University(约克大学);Nanyang Technological University(南洋理工大学)
本文提出MindTrellis系统,通过人机协作动态构建知识图谱,提升多文档信息整合效率,降低认知负荷。
2026-04-25 cs.AI cs.HC cs.IR
Pheno-Mapper: An Interactive Toolbox for the Visual Exploration of Phenomics Data
收集现场数据的高通量技术使得在生命科学的几个分支进行大规模观测成为可能。收集的数据可以从分子水平(基因型)到生理(表型性状)和环境观察(例如,天气、土壤条件)。这些大量的数据,统称为表型组学数据,代表了关于潜在生物系统动态的关键科学知识的宝库。然而,从这些复杂的数据集中提取信息和见解仍然是一个重大挑战,因为它们是多维的,而且缺乏关于其复杂结构的先验知识。在本文中,我们提出了Pheno-Mapper,一个交互式工具箱,用于探索性分析和可视化大规模表型组学数据。我们的方法使用映射器框架来执行数据的拓扑分析,并随后使用内置的数据分析和机器学习功能来呈现视觉表示。我们展示了这种新工具在现实世界的工厂(例如,玉米)表型组学数据集。与现有方法相比,Pheno-Mapper的主要优势在于它在表型组学数据的探索性分析中提供了丰富的交互式功能,并且以易于扩展的方式将可视化分析与数据分析和机器学习集成在一起。特别是,Pheno-Mapper允许通过数据的拓扑摘要指导交互式选择亚群,并将数据采掘和机器学习应用于这些选定的亚群进行深入探索。
2021-07-06 cs.CG cs.HC math.AT
PhiPlot: A Web-Based Interactive EDA Environment for Atmospherically Relevant Molecules
University of Helsinki(赫尔辛基大学)
PhiPlot是一种基于网页的交互式环境,用于探索大气相关分子的高维数据,结合可视化、聚类和领域知识引导的降维技术,支持气溶胶形成研究中的数据发现和假设生成。
2026-03-12 cs.HC
WHATSNEXT: Guidance-enriched Exploratory Data Analysis with Interactive, Low-Code Notebooks
针对计算笔记本结构混乱、低代码用户难以上手的问题,本文提出 WHATSNEXT 框架,通过下一步推荐面板和动态分析依赖树支持低代码可视化探索。
2023-08-18 cs.HC
LitStoryTeller: An Interactive System for Visual Exploration of Scientific Papers Leveraging Named entities and Comparative Sentences
Drexel University(德雷塞尔大学)
本研究提出了LitStoryTeller,一个交互式系统,用于可视化地探索科学文章的语义结构。我们展示了LitStoryTeller如何用于回答一些最基本的研究问题,例如如何在现有方法的基础上构建新方法,基于什么样的理论证明和实验证据。更重要的是,LitStoryTeller可以帮助用户理解科学论文完整有趣的故事,具有简洁的大纲和重要的细节。该系统借用了电影剧本中的隐喻,通过将科学论文中的人物(科学概念或术语)和场景(段落/句子)安排成一个渐进的、交互式的故事情节,从而将科学论文的故事情节可视化。这样的故事情节有助于保持科学论文的语义结构和逻辑思维过程。使用现有的命名实体识别API和监督分类器从科学论文中自动提取语义结构,例如科学概念和比较句。两个辅助视图,排名实体频率视图和实体共现网络视图,提供帮助用户识别这样的科学故事情节的“主要情节”。当集合文档准备就绪时,LitStoryTeller还为集合消化提供了一个时间实体演化视图和实体社区视图。
2017-09-12 cs.CL cs.DL cs.HC
A Novel Tree Visualization to Guide Interactive Exploration of Multi-dimensional Topological Hierarchies
了解输出变量对多维输入的响应是许多数据探索工作的核心。拓扑为基础的方法,特别是莫尔斯理论和持久的同源性,提供了一个有用的框架,研究这种关系,作为感兴趣的现象往往自然出现的基本特征。Morse-Smale复体通过将标量函数的域划分为分段单调区域来捕获广泛的特征,而持久同源性提供了在不同尺度的简化下研究这些特征的手段。以前的工作演示了如何计算这样的表示及其有用性,以获得洞察多维数据。然而,对数据的多尺度性质的探索仅限于从区域计数图中选择单个简化阈值。在本文中,我们提出了一种新的树可视化,提供了一个简洁的概述整个层次结构的拓扑特征。树的结构提供了关于所有分区的分布、大小和稳定性的初步见解。我们使用回归分析来拟合每个分区中的线性模型,并开发局部和相对措施来进一步评估每个分区的独特性和重要性,特别是在特征层次结构中的父母/孩子。当我们使用颜色对这些度量进行编码时,树可视化的表现力变得显而易见,并且布局允许在探索期间对特征选择进行前所未有的控制。例如,从层次结构的多个尺度中选择特征可以实现更细致的探索。最后,我们展示了我们的方法,从几个科学领域的例子。
2022-08-15 cs.GR cs.HC
Threddy: An Interactive System for Personalized Thread-based Exploration and Organization of Scientific Literature
回顾文献以了解过去工作的相关线索是研究和学习的关键部分。然而,随着科学文献的增长,用户发现和理解许多不同研究线索的挑战也在增长。以前的工作已经帮助学者使用独立工具或概述可视化来查找和分组具有引用信息或文本相似性的论文。相反,在这项工作中,我们探索了一种集成到用户阅读过程中的工具,可以帮助他们利用作者现有的线程摘要,通常是在介绍或相关工作部分,以支持他们自己的工作的贡献。为了探索这一点,我们开发了一个原型,支持有效的提取和组织线程以及科学家阅读研究文章的支持证据。然后,系统根据用户创建的线索推荐进一步的相关文章。我们在实验室研究中评估了该系统,发现它可以帮助科学家在不中断阅读的情况下跟踪和策划研究线索,收集相关论文和剪辑,并发现有趣的新文章以进一步发展线索。
2022-08-16 cs.HC
Interactive Content Diversity and User Exploration in Online Movie Recommenders: A Field Experiment
本研究通过访谈、调研及在线现场实验,探究电影推荐系统的推荐广度与用户满意度的关系,发现探索控制权和界面对满意度的预测作用更强。
2023-09-23 cs.HC cs.IR
ClusterRadar: an Interactive Web-Tool for the Multi-Method Exploration of Spatial Clusters Over Time
ClusterRadar 是一个交互式网络工具,通过支持多方法比较和时序分析,帮助用户探索空间聚类的动态演变,并保护数据隐私。
2024-04-08 cs.HC
An Exploration Tool for Retrieval of Travel Information with Personal Photos
照片可以被视为照片所有者的生活日志。照片可以是可靠的信息,以估计业主的行动和运动模式。基于这种讨论,我们正在开发一种互动技术,根据他们过去的个人旅行照片探索推荐的旅游景点。该技术应用通用对象识别从照片集中提取一组关键词,并构造树结构以支持对关键词的探索。当用户选择一组感兴趣的关键字时,系统提供与所选关键字相关的旅行信息。我们之前的文章已经介绍了展示关键字结构适当性的可视化。本文重点介绍了本系统的交互式旅游信息检索机制和用户评价。
2021-12-18 cs.HC
Controllable Exploration of a Design Space via Interactive Quality Diversity
本文提出一种基于质量多样性的用户驱动进化算法,通过在行为空间小窗口内采样备选方案并随用户选择动态调整窗口,有效降低了用户认知负荷与疲劳,在建筑布局生成任务中比 MAP-Elites 找到了更符合用户偏好的解决方案。
2023-04-07 cs.HC cs.NE
Spacewalker: Traversing Representation Spaces for Fast Interactive Exploration and Annotation of Unstructured Data
Institute for AI in Medicine, University Hospital Essen(埃森大学医院AI医学研究所);Mercedes-Benz Tech Innovation(梅赛德斯-奔驰技术创新公司);Cancer Research Center Cologne Essen, West German Cancer Center Essen, University Hospital Essen(埃森大学医院西德癌症中心科隆-埃森癌症研究中心);Institute of Computer Graphics and Vision, Graz University of Technology(格拉茨工业大学计算机图形与视觉研究所);Department of Physics, TU Dortmund University(多特蒙德工业大学物理系)
针对非结构化文本数据分析依赖专家或高成本人工审核的难题,研究提出交互式多模态数据探索标注工具Spacewalker,支持表示提取、低维可视化与数据集遍历,实验证实其较传统方法更省时省力,代码已开源。
2025-01-14 cs.CV cs.HC cs.IR
Quantum Cinema: An Interactive Cinematic Exploration of Quantum Computing Hardware via Generative World Models
Amazon Web Services(亚马逊网络服务);Duke Kunshan University(杜克昆山大学)
本文提出量子影院,一个基于生成世界模型的开源交互式应用,通过四幕叙事将不可见的量子硬件转化为可探索的电影体验,旨在弥合量子计算与公众之间的想象鸿沟。
2026-08-04 cs.AI cs.ET cs.HC
Motion Exploration of Articulated Product Concepts in Interactive Sketching Environment
Indian Institute of Technology Hyderabad(印度海德拉巴理工学院)
本文提出一种数字化草图绘制的新方法,使设计师能交互式创建、模拟和测试铰接产品的运动,实验显示认知负担降低77%,未来将扩展到3D环境。
2025-10-09 cs.HC
Visual Analytics for Temporal Hypergraph Model Exploration
从生物学中的基因相互作用到计算机网络再到社交媒体,许多过程都可以更精确地建模为时间超图,而不是常规图。这是因为超图通过扩展边来连接任意数量的顶点,从而使复杂的关系能够更准确地描述并预测它们随时间的行为。然而,这种基于超图的预测模型的交互式探索和无缝改进仍然是一个重大挑战。我们贡献了Hyper-Matrix,这是一种新颖的视觉分析技术,通过机器学习和交互式可视化之间的紧密耦合来解决这一挑战。特别是,该技术将几何深度学习模型作为问题特定模型的蓝图,同时将基于图形和基于类别的数据的可视化与交互的新颖组合相集成,以实现对超图模型的有效用户驱动探索。为了消除苛刻的上下文切换并确保可扩展性,我们基于矩阵的可视化提供了跨多个语义缩放级别的下钻功能,从模型预测的概述到内容。我们促进了重点分析相关的连接和群体的基础上,交互式用户导向过滤和搜索任务,一个动态可修改的分区层次结构,各种矩阵重新排序技术,和交互式模型反馈。我们在案例研究中评估我们的技术,并通过与执法专家使用现实世界的互联网论坛通信数据进行形成性评估。结果表明,我们的方法超越现有的解决方案的可扩展性和适用性,使领域知识的纳入,并允许快速搜索空间遍历。有了这项技术,我们铺平了道路,在各种各样的领域的时间超图的视觉分析。
2020-10-12 cs.HC
Data Insights as Data: Quick Overview and Exploration of Automated Data Insights
本文提出将数据洞察视为特殊数据,设计基于地图隐喻的可视化方法InsightMap,结合自动化挖掘与交互探索,实现数据洞察的快速概览与深入分析。
2025-03-10 cs.HC