2021年春季学期视觉计算实验室第七周论文研读预告

时间: 2021年4月14日(本周三) 09 : 30
地点: 望江校区基础教学楼B座318实验室
研读成员: 刘尚松 温啸林

Part1
分享者: 刘尚松
分享内容
[1] Xia M, Velumani R P, Wang Y, et al. QLens: Visual Analytics of Multi-step Problem-solving Behaviors for Improving Question Design[J]. IEEE Transactions on Visualization and Computer Graphics, 2020.

[2] Kim Y, Kim J, Jeon H, et al. Githru: Visual Analytics for Understanding Software Development History Through Git Metadata Analysis[J]. IEEE Transactions on Visualization and Computer Graphics, 2020.

论文简介:
[1]近年来,随着在线教育的飞速发展,越来越多的学习平台可以为学生提供多步骤问题的学习材料,以培养他们解决问题的能力。为了确保此类学习材料的高质量,问题设计者需要逐步检查学生的问题解决过程,以推断学生解决问题的逻辑是否符合他们的设计意图。他们还需要比较不同群体(例如,不同年级的学生)的行为,以便向具有合适知识水平的学生分配问题。细粒度的交互数据(例如在线平台的鼠标移动轨迹)的可用性为分析解决问题的行为提供了机会。但是,对高维问题解决序列数据进行解释,总结和比较仍然具有挑战性。在本文中,我们提供了一个可视分析系统QLens,以帮助问题设计人员检查解决问题的详细轨迹,比较不同的学生群体,提炼出改进设计的见解。特别是,QLens将解决问题的行为建模为混合状态转换图,并通过嵌入字形的新颖桑吉图将其可视化,该图反映了学生解决问题的逻辑、参与度和遇到的困难。 我们通过三个案例研究和三个专家访谈,以证明QLens在含有数千个问题解决轨迹的真实数据集上的有用性。

--1

图1 QLens系统界面

[2]Git元数据包含丰富的信息,供开发人员了解大型软件开发项目的整体背景。因此它可以帮助新的开发人员,管理人员和测试人员了解开发的历史,而无需深入研究大量不熟悉的源代码。但是,当前用于Git可视化的工具不足以分析和探索元数据:它们主要致力于提高Git命令的可用性,而不是帮助用户了解开发历史。此外,它们不适合大型和复杂的Git提交图,这对全面理解开发历史发挥了重要作用。在本文中,我们介绍了Githru,一个交互式的可视分析系统,使开发人员能够通过对Git元数据的交互式探索来有效地理解开发历史的上下文。 我们设计了一种交互式的可视化编码,以可扩展的方式表示大型Git图,同时保留Git图中的拓扑结构。为了能够对大型Git提交图进行可扩展的探索,本文提出了新颖的技术(图形重构,聚类和上下文保留挤压合并(CSM)法)来抽象出大型的Git提交图。基于这些Git提交图抽象技术,Githru提供了一个交互式概览视图以帮助用户获得开发历史的概述,以及一个比较视图以帮助用户比较不同的提交集群。本文通过与领域专家的案例研究证明了Githru的有效性,该案例研究使用了一家大型国际IT公司的大型软件开发团队的真实内部数据集。一项由12名开发人员进行的受控用户研究将Githru与以前的工具进行了比较,也证实了Githru在任务完成时间方面的有效性。

--2

图2 Githru系统界面

Part2
分享者: 温啸林
分享内容
[1] Lin Y, Wong K, Wang Y, et al. TaxThemis: Interactive Mining and Exploration of Suspicious Tax Evasion Groups[J]. IEEE Transactions on Visualization and Computer Graphics, 2020.
[2] TSANG K W, LI H, LAM F M, et al. TradAO: A visual analytics system for trading algorithm optimization.(2021)[C]//Proceedings of the 32nd IEEE Visualization Conference (IEEE VIS), Virtual Conference. 2021: 24-29.

论文简介:
[1]逃税对于许多国家来说是一个严重的经济问题,因为它可能破坏政府的税收体系并导致不公平的商业竞争环境。 最近的研究已应用数据分析技术来分析和检测单个纳税人的逃税行为。 但未能支持对涉及一组纳税人的关联交易逃税行为(例如,转让定价)的分析和探索。本文介绍了交互式的可视化分析系统TaxThemis,可通过分析与税收相关的异构数据来帮助税务人员挖掘和探索可疑的逃税群体。 建立纳税人网络,并将其与相应的贸易网络融合在一起,以检测可疑的RPTTE组。提供丰富的可视化旨在通过利润和拓扑数据分析,促进对相关纳税人之间可疑交易的探索和调查。 具体来说,本文提出了一种日历热图,该日历热图具有精心设计的编码方案,以直观地显示通过关联方交易转移收入的证据。 最后通过两个关于现实世界中与税收相关的数据的案例研究以及与领域专家的访谈,证明了TaxThemis的有用性和有效性。

--3

图3 TaxThemis系统界面

[2] 随着算法交易的广泛应用,对于交易者而言,构建成功的交易算法来打败市场已变得至关重要。但是,由于缺乏有效的工具,交易者主要依靠他们的内存来手动比较交易算法的算法实例,并进一步为实际交易部署选择最佳的交易算法实例。文章与行业从业者紧密合作,以发现并巩固用户需求,并开发用于交易算法优化的交互式视觉分析系统。进行了结构化的专家访谈,以评估TradAO,并记录了一个具有代表性的案例研究,以说明系统的有效性。过去的财务数据可视化分析主要旨在协助投资经理进行投资组合分析,但忽略了交易员开发用于执行投资组合的交易算法的需求。TradAO是第一个可视分析系统,用于帮助用户全面探索具有不同参数设置的交易算法的性能。
--4

图4 TradAO系统界面