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
图1 系统流程图
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。
图3 系统流程图
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：
-
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