使数据驱动文章更易获取：一种数据事实个性化的主动偏好学习方法

视频

数据驱动新闻文章被广泛用于用具体证据来传达社会现象。这些文章通常配有可视化图表，帮助读者理解内容。然而，盲人和低视力（BLV）个人难以获取可视化信息，阻碍了对数据的深入理解。我们探索根据视力障碍读者的偏好动态生成数据事实（描述图表中数据模式的文本）的可能性，以帮助他们阅读此类文章。我们进行了一项形成性研究，以了解他们如何感知系统生成的数据事实以及影响其偏好的因素。结果表明，个体之间的偏好差异很大，简单的偏好获取本身就会引入噪声。基于这些发现，我们开发了一种使用主动学习方法个性化生成数据事实的方法。评估研究表明，我们的模型能够有效收敛，并提供比基线更受欢迎的数据事实集。