1. Introduction

Journal: CHI ‘19: CHI Conference on Human Factors in Computing Systems
Author: Hu K, Bakker M A, Li S, et al.
Year: 2019
ISBNs, DOls, PMIDs, or arXiv IDs：

DOI: 10.1145/3290605.3300358
Cite: Hu K, Bakker M A, Li S, et al. Vizml: A machine learning approach to visualization recommendation[C]//Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems. 2019: 1-12.
Reportor: 郭华
Attachment: pdf

2. Figures

image.png

3. Summary

可视化推荐可以降低可视化知识门槛，基于规则的可视化推荐费时费力，并且约束作用弱，传统机器学习的方法采用基于规则生成数据，不足以实用，可解释性也不足。本文从可视化社区提取数据，根据数据特征划分数据属性，创作步骤理解为图表属性决策，在有限范围内为图表属性赋值，从而变为神经网络可行的分类任务。

4. Main Points

  1. 从dataset种提取数据特征
  2. 从可视化创作中提取design choice
  3. 对比了神经网络和其他四种机器学习方法design choice的预测表现

VizML.pptx