2019年春季学期视觉计算实验室第十五周论文研读预告

时间: 2019年06月13日 09:30
地点: 基础教学楼B座318实验室
研读成员: 谢治海、魏懿
分享者一:谢治海
论文目录:
[1]Wong J S. Messagelens: À visual analytics system to support multifaceted exploration of MOOC forum discussions[J]. Visual Informatics, 2018, 2(1): 37-49.
[2]Li C, Dong X, Yuan X. Metro-wordle: an interactive visualization for urban text distributions based on wordle[J]. Visual Informatics, 2018, 2(1): 50-59.

论文简介:
文献一:

  • 背景与目的:MOOC拥有大量的学习者,分析讨论的主题、学习者的态度和学习者之间的互动交流,能帮助讲师更好的理解学习者的活动;
  • 方法:提出名为MessageLens的工具,从多角度对论文数据进行分析;
  • 结论:帮助讲师分析学习者的活动;
  • 结果:提出的方法能分析丰富的沟通内容以及人与人之间动态的社会互动

系统流程图
图1 系统流程图

系统概览图
图2 系统概览图
其中:

  • (a)控制面板。
  • (b)主题视图,显示讨论主题的相似性和普遍性。
  • (c)与主题相关的词。
  • (d)条形图,显示MOOC下课程讨论消息所表达的情绪。
  • (e)网络视图,显示论坛用户的互动关系网络。
  • (f)消息视图,将论坛消息显示在一个可分类、可搜索的表中,其中包含论坛消息的元信息。
  • (g)矩阵视图,显示每个用户论坛消息主题分布情况。
  • (h)平行坐标显示论坛消息的主题分布。
  • (i)消息的内容。
  • (j)一个可分类的表,显示网络中心程度。
  • (k)提供用户之间联系的详细资料。

文献二:

  • 研究背景:随着城市的发展和信息的爆炸,城市里产生了大量关于POI 的地理标记数据。通过POI 数据,可以探索城市空间特征。为此,作者提出一种结合地铁图和文字的视觉方法,用地铁线路分割城市区域,从POI 中提取关键字填充分隔出来的区域。
  • 研究方法:论文作者将地铁线路作为分隔线,将城市分割成几个子区域,并在每个子区域内限制文字。这些文字是从关于POIs 的文本中提取的关键字(如评论、描述等)中生成的,并根据它们的地理位置嵌入到子区域中。通过生成直观的结果,并提取交互式可视化支持文本分布模式的探索,可以引导用户探索城市空间特征,并有效地检索位置。作者通过对上海的餐馆数据进行可视分析,验证了其方法的有效性。

系统流程图
图3 系统流程图

系统概览图

图4 系统概览图
其中:

  • (a)地理视图。每个点表示一个POI,并根据其位置放置。
  • (b) Metro-Wordle视图。Wordles包含地铁线路段约束的子区域中的关键字。
  • (c)筛选和统计视图。该视图提供了POI和过滤器的统计数据。
  • (d) POI详细视图。

分享者二:魏懿
论文目录:
[1] A.Bordes, J.Weston. Learning Structured Embeddings of Knowledge Bases. [C] AAAI 2011

论文简介:

  • 背景与目的:
    AI面临的基本挑战之一是收集、组织、使用大量日常产生的信息。目前这个问题的解决办法是基于网络的大型知识图谱构建。当前已有WordNet, OpenCyc等人工构建的知识图谱,此外研究者也在探索知识图谱的自动构建。但现有的人工知识图谱存在以下问题:它们隐含的符号框架(symbolic frameworks)尤其对于数据学习方法来说延展性不够,导致它们只能在特定的及小范围内被使用,而不能在更广的延伸领域发挥更大的作用。

  • 论文提出的解决方法:
    --1

  • 论文方法的延伸应用:
    从原始文本数据中自动构建知识图谱

123