2018年秋季学期视觉计算实验室第1周论文研读预告

时间: 2018年09月06日 14:30
地点: 基础教学楼B座318实验室
研读成员: 朱浩天
研读内容:
[1] Li M, Bao Z, Sellis T, et al. HomeSeeker: A Visual Analytics System of Real Estate Data[J]. Journal of Visual Languages & Computing, 2018, 45.
[2] Weng D, Zhu H, Bao J, et al. HomeFinder Revisited: Finding Ideal Homes with Reachability-Centric Multi-Criteria Decision Making[C]// CHI Conference. 2018:1-12.
论文简介:
寻找合适的购买或租赁房产对于生活至关重要。人们通常从网上或通过与房地产经纪人对话找到候选房产,然后亲自检查那些首选房产。由于用户可能考虑到很多因素,例如预算、附近交通等设施,以及与儿童教育相关的公立学校,因此找到候选房产的过程既复杂又耗时。
在这两篇文章所描述的工作中,他们透过不同的视角,将购房需求抽象成一系列数据管理和可视化的任务,并提出了各自的解决方案。

pdfresizer.com-pdf-convert

图1:HomeSeeker系统主界面

文[1]的主要贡献为:

1.提出了一个系统的问题抽象,指导房地产数据的可视化设计。特别是,作者收集了来自不同渠道的数据,并整合了以位置为中心的综合房地产数据集。
2.提出了一种交互式可视化分析程序,以帮助零售用户逐渐了解房地产市场,并最终根据个人偏好找出合适的房产。
3.设计并实现了一个新颖的可视化系统,支持房地产数据的多个协调视图,这些视图也可以用于解决其他地理信息相关的多维分析问题。

pdfresizer.com-pdf-convert-1

图2:HomeFinder系统主界面
文[2]的主要贡献为:

1.描述了寻找理想家园背景下的用户需求和分析任务。
2.提出了一种实时数据驱动计算模型,该模型具有基于图形的索引,以处理概率可达区域的交互式查询。
3.设计了一个新的时间轴视图,用于编排、组织和可视化可达性的约束条件。基于这一观点,作者还开发了一种新型的可视化分析系统ReACH,以帮助用户根据多标准寻找理想的住宅。

在本次论文研读中,将对比这两篇2018年新发表的同领域可视化文章的异同,尤其针对协调与地理信息相关的多维分析的两种解决方案。此外,还将通过公开的系统和视频对两个原型系统进行可视化任务和视图设计的分析讨论。

本次论文研读得到了两篇文献原作者及其团队成员的支持。在此,再次感谢他们的帮助。

123