CAVA: A Visual Analytics System for Exploratory Columnar Data Augmentation Using Knowledge Graphs
CAVA: A Visual Analytics System for Exploratory Columnar Data Augmentation Using Knowledge Graphs
复制标题
CAVA：使用知识图进行探索性柱状数据增强的可视化分析系统
DOI：
10.1109/tvcg.2020.3030443
复制
发表时间：
2021
影响因子：
5.2
通讯作者：
Chang, Remco
中科院分区：
文献类型：
--
作者：
Cashman, Dylan;Xu, Shenyu;Das, Subhajit;Heimerl, Florian;Liu, Cong;Humayoun, Shah Rukh;Gleicher, Michael;Endert, Alex;Chang, Remco
大多数可视化分析系统假定所有数据搜寻都发生在分析过程之前；一旦分析开始，所考虑的数据属性集就是固定的。这种数据构建与分析的分离排除了迭代，这种迭代可以通过分析过程中出现的现场需求来获取信息。将搜寻循环与数据分析任务分开可能会限制分析的速度和范围。在本文中，我们介绍了CAVA，这是一个将数据整理和数据增强与传统的数据探索和分析任务相结合的系统，能够在分析过程中就地获取信息。识别要添加到数据集的属性是困难的，因为它需要人类知识来确定哪些可用属性将有助于随后的分析任务。CAVA爬行知识图谱，为用户提供从外部数据中提取的一系列可供选择的属性。然后，用户可以在知识图上指定复杂的操作，以构建其他属性。CAVA展示了可视化分析如何通过让用户以可视方式探索可用的数据集并作为查询构造的界面来帮助用户寻找属性。它还提供知识图谱本身的可视化，以帮助用户了解复杂的联接，如多跳聚合。我们在两个数据集的用户研究中评估了我们的系统使用户能够执行复杂的数据组合而无需编程的能力。然后，我们将通过另外两个使用场景演示CAVA的通用性。评估结果证实，CAVA在帮助用户执行数据挖掘方面是有效的，从而改善了分析结果，并提供了证据，支持将数据增强作为可视化分析管道的一部分。
Most visual analytics systems assume that all foraging for data happens before the analytics process; once analysis begins, the set of data attributes considered is fixed. Such separation of data construction from analysis precludes iteration that can enable foraging informed by the needs that arise in-situ during the analysis. The separation of the foraging loop from the data analysis tasks can limit the pace and scope of analysis. In this paper, we present CAVA, a system that integrates data curation and data augmentation with the traditional data exploration and analysis tasks, enabling information foraging in-situ during analysis. Identifying attributes to add to the dataset is difficult because it requires human knowledge to determine which available attributes will be helpful for the ensuing analytical tasks. CAVA crawls knowledge graphs to provide users with a a broad set of attributes drawn from external data to choose from. Users can then specify complex operations on knowledge graphs to construct additional attributes. CAVA shows how visual analytics can help users forage for attributes by letting users visually explore the set of available data, and by serving as an interface for query construction. It also provides visualizations of the knowledge graph itself to help users understand complex joins such as multi-hop aggregations. We assess the ability of our system to enable users to perform complex data combinations without programming in a user study over two datasets. We then demonstrate the generalizability of CAVA through two additional usage scenarios. The results of the evaluation confirm that CAVA is effective in helping the user perform data foraging that leads to improved analysis outcomes, and offer evidence in support of integrating data augmentation as a part of the visual analytics pipeline.
登录
查看更多内容
在信息搜索过程中评估 Lensing Wikipedia 的价值
DOI：
10.1145/3020165.3020178
发表时间：
2017
期刊：
Proceedings of the 2017 Conference on Conference Human Information Interaction and Retrieval
影响因子：
--
作者：
O. Hoeber;Anoop Sarkar;Andrei Vacariu;M. Whitney;Manali Gaikwad;Gursimran Kaur
通讯作者：
Gursimran Kaur
影响因子：
8.1
作者：
Shorten, Connor;Khoshgoftaar, Taghi M.
通讯作者：
Khoshgoftaar, Taghi M.
DOI：
10.4135/9781071812082.n626
发表时间：
2022
期刊：
The SAGE Encyclopedia of Research Design
影响因子：
--
作者：
R. Likert
通讯作者：
R. Likert
DOI：
10.1109/tvcg.2018.2864838
发表时间：
2019-01-01
影响因子：
5.2
作者：
Sacha, Dominik;Kraus, Matthias;Chen, Min
通讯作者：
Chen, Min
实体-方面链接：提供上下文中实体的细粒度语义
DOI：
--
发表时间：
2018
期刊：
ACM/IEEE Joint Conference on Digital Libraries
影响因子：
--
作者：
F. Nanni;Simone Paolo Ponzetto;Laura Dietz
通讯作者：
Laura Dietz