VizNet：迈向大规模可视化学习和基准测试库

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。这些示例通常缺乏现实世界数据集的特征，且其一次性性质使得难以比较不同的技术。在本文中，我们介绍了VizNet：一个从开放数据存储库和在线可视化画廊编译的超过3100万个数据集的大规模语料库。平均而言，这些数据集包含3个维度上的17条记录，在整个语料库中，我们发现51%的维度记录分类数据，44%记录定量数据，只有5%记录时间数据。VizNet提供了比较可视化设计技术所需的基本共同基准，并为开发自动化视觉分析的基准模型和算法提供了支持。为了展示VizNet作为大规模在线众包实验平台的实用性，我们复制了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，并通过考虑额外的任务：异常值检测来扩展该研究。为了应对大规模运行此类研究的挑战，我们展示了如何从实验结果中学习感知有效性的度量，并展示了其在测试数据集上的预测能力。