分析探索性视觉分析中用户数据焦点的转变

DOI

用户通常在没有明确分析目标的情况下开始探索性视觉分析,但随着对数据了解的加深,会迭代地完善目标。作为数据科学的重要步骤,研究人员希望开发响应式和个性化的可视化工具来辅助探索性视觉分析。为此,用户探索行为的准确模型变得越来越重要。然而,许多计算模型假设人类探索行为是静态的,这与探索性视觉分析的动态性质相悖。在这项基准研究中,我们调查了用户在探索性视觉分析中如何动态转变数据焦点,并寻求找到建模用户数据焦点转变的最佳在线学习方法。通过实证分析,我们发现强化学习算法在这方面优于可视化研究中的现有方法。我们还讨论了我们的发现及其对可视化系统设计未来用户建模的影响。