文献

J-GLOBAL ID：202202264883667818   整理番号：22A0396973

KG4Vis:可視化推奨のための知識グラフベースアプローチ【JST・京大機械翻訳】

KG4Vis: A Knowledge Graph-Based Approach for Visualization Recommendation

著者 (5件)： Li Haotian (Hong Kong University of Science and Technology and Singapore Management University, Hong Kong) ,  Wang Yong (Singapore Management University, Singapore) ,  Zhang Songheng (Singapore Management University, Singapore) ,  Song Yangqiu (Hong Kong University of Science and Technology, Hong Kong) ,  Qu Huamin (Hong Kong University of Science and Technology, Hong Kong)
資料名： IEEE Transactions on Visualization and Computer Graphics  (IEEE Transactions on Visualization and Computer Graphics)
巻： 28  号： 1  ページ： 195-205  発行年： 2022年 
JST資料番号： W0715A  ISSN： 1077-2626  CODEN： ITVGEA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 可視化推薦または自動可視化生成は,特にデータ可視化における背景のないユーザに対して,効果的なデータ可視化を迅速に作成するために,一般ユーザに対する障壁を著しく下げることができる。しかしながら,既存のルールベース手法は,可視化専門家による可視化規則の退屈な手動仕様を必要とする。他の機械学習ベース手法はブラックボックスのようにしばしば働き,特定の可視化が推奨されている理由を理解することが困難であり,これらのアプローチのより広い採用を制限する。本論文は,可視化推薦のための知識グラフ(KG)ベースのアプローチであるKG4Visを提示することによってギャップを埋める。それは,可視化規則の手動仕様を必要とせず,また,良好な説明性を保証することができる。具体的には,3種類のエンティティ(即ち,データ特徴,データカラムおよび可視化設計選択)およびそれら間の関係からなる知識グラフを構築するためのフレームワークを提案し,データおよび効果的な可視化間のマッピングルールをモデル化した。トランスEベースの埋込み技術を用いて,既存のデータセットビジュアル化ペアから知識グラフのエンティティと関係の両方の埋込みを学習した。そのような埋込みは,本質的に望ましい可視化規則をモデル化する。次に,新しいデータセットを与えて,有効な可視化を意味的に意味のある規則を有する知識グラフから推論することができた。定量的比較,事例研究および専門家インタビューを含む,提案した方法を評価するために,広範な評価を行った。結果は,著者らのアプローチの有効性を実証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *可視化 ,  ブラックボックス ,  事例研究 ,  有効性 ,  機械学習 ,  ルールベース ,  面接調査
準シソーラス用語： 退屈 ,  エンティティ ,  データ可視化 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 可視化 ,  推奨 ,  知識