及时检测特定区域的异常事件是一项重要任务。地理标记的社交媒体数据是执行此任务的有用资源;然而,其中大量出现的日常语言使该任务仍然具有挑战性。为了解决这些挑战,我们提出了TopicOnTiles,这是一种可视化分析系统,可以通过使用社交媒体数据在多级基于瓦片的地图界面中揭示与异常事件相关的信息。为此,我们采用并改进了一种最近提出的主题建模方法,该方法可以提取对应于特定区域和时间点的时空排他性主题。此外,我们利用基于瓦片的地图界面有效地并行处理大规模数据。我们的用户界面使用我们新颖的图形单元可视化有效地突出异常瓦片,该可视化编码了由我们的排他性主题建模过程计算的异常程度。为了展示我们系统的有效性,我们使用真实世界的数据集提出了几个使用场景以及全面的用户研究结果。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/4164/2018

广告推荐

学习 AI 编程到 CodeNow

一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
11 位作者
sell
研究子方向
交互式数据可视化、地理空间与地图可视化、用户研究方法(访谈、调查、观察)
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
1 篇相关论文