2016学期视觉计算实验室第4周论文研读预告

时间:4月1日上午9:00
地点:基础教学楼B318实验室
研读成员:贾若雨,何丽坤。

一、贾若雨
1.《TargetVue: Visual Analysis of Anomalous User Behaviors in Online Communication Systems》
2015 VAST   类别:Visual Analytics of Social Media Data
  本文针对在线社交系统(如:邮件和其他社交平台),对拥有反常行为的用户进行检测和分析。通过对用户进行不同层面、不同角度的可视分析,使得在判断异常时能够更加的有说服力。
推荐理由:
 ①.将机器学习与可视分析相相结合,通过对自动分析结果进行大量的人工判断,来解决在自动化的机器学习问题中难以对模型的训练和评估取得合适的ground truth的问题;
 ②.新颖的节点布局,清晰,在保证布局过中用户的相似性的同时增强用户间的对比;
 ③.分析的层次和角度非常全面,分析流程非常清晰,工作量非常饱满;
 ④.论文写作思路清晰,任务划分明确。

2.《Episogram: Visual Summarization of Egocentric Social Interactions》
期刊:IEEE Computer Graphics and Applications 2015              
影响因子:0.91
  本文针对社交互动的数据,解决了两个在研究该数据时的挑战:(1)更好的理解社交交互的结构;(2)通过不同的用户行为来揭示不同的行为模式,从而表征该数据。
推荐理由:
 ①.模型抽象度高,能够将很简单易懂的数据抽象成合适的贯穿文章始终的基础模型;
 ②.分析层次清晰,层层递进,任务定位准确;
 ③.提出了新的模式表示方法,能够保证在有限的空间内展示尽量多的模式同时不损失信息,并提供丰富的交互。
 ④.与第一篇文章是同一个作者,同样写作的思路非常清晰。

3.《DemographicVis: Analyzing Demographic Information based on User Generated Content》
2015VAST 类别:Visual Analytics of Social Media Data
  本文设计实现了可视分析系统DemographicVis,该系统综合了传统人口统计信息的两种研究思路的优点,从数据驱动的角度,在不同人口群体和有意义且易于理解的特征之间创建直接的联系,并提供丰富的交互。
推荐理由:
 ①提出了新颖的改进的平行坐标,包含更多的信息;
 ②不仅研究传统的人口统计信息特征,还研究其他的包含更多信息量的特征;
 ③拥有与现有的被认可的系统的对比试验分析。

二、何丽坤
1.《Bigtable:A Distributed Storage for Structured Data》
推荐理由:
  his paper describes the data model provided by Bigtable. The Bigtable performs well at Google products, it may be useful for my future work to deal with big data.
2.《GenBase: A Complex Analytics Genomics Benchmark》
推荐理由:
  This paper introduces a new benchmark for complex analytics.It provides 5 queries for genomic dataset which contain data management,linear algebra and statistics operations.
3.《Midas for Government:Integration of Government Spending Data on Hadoop》
推荐理由:
  Midas project described in this paper is to extract, cleanse, and integrate datasets they used contain structured information and unstructured information. It is similar with our work.