DashBot: Generación de paneles impulsada por insights basada en aprendizaje profundo por refuerzo

Los paneles analíticos son populares en la inteligencia de negocios para facilitar el descubrimiento de insights con múltiples gráficos. Sin embargo, crear un panel efectivo es altamente exigente, lo que requiere que los usuarios tengan un adecuado trasfondo en análisis de datos y estén familiarizados con herramientas profesionales, como Power BI. Para crear un panel, los usuarios deben configurar gráficos seleccionando columnas de datos y explorando diferentes combinaciones de gráficos para optimizar la comunicación de insights, lo cual es un proceso de prueba y error. Investigaciones recientes han comenzado a utilizar métodos de aprendizaje profundo para la generación de paneles con el fin de reducir la carga de creación de visualizaciones. Sin embargo, tales esfuerzos se ven gravemente obstaculizados por la falta de conjuntos de datos de paneles a gran escala y de alta calidad. En este trabajo, proponemos utilizar el aprendizaje profundo por refuerzo para generar paneles analíticos que puedan aprovechar el conocimiento de visualización bien establecido y la capacidad de estimación del aprendizaje por refuerzo. Específicamente, usamos el conocimiento de visualización para construir un entorno de entrenamiento y recompensas para que los agentes exploren e imiten el comportamiento de exploración humana con una red de agentes bien diseñada. La utilidad del modelo de aprendizaje profundo por refuerzo se demuestra a través de estudios de ablación y estudios de usuario. En conclusión, nuestro trabajo abre nuevas oportunidades para desarrollar recomendadores de visualización basados en ML sin conjuntos de datos de entrenamiento previos.