Key points are not available for this paper at this time.
La visualisation des données transforme les données en images pour aider à leur compréhension ; par conséquent, elle est un outil inestimable pour expliquer la signification des données aux personnes visuellement orientées. Étant donné un jeu de données (important), la tâche essentielle de la visualisation est de visualiser les données afin de raconter des histoires convaincantes en sélectionnant, filtrant et transformant les données, et en choisissant le bon type de visualisation, comme des graphiques à barres ou des graphiques linéaires. Notre objectif ultime est d'automatiser cette tâche qui nécessite actuellement une forte intervention de l'utilisateur dans les systèmes de visualisation existants. Un système évolué dans le domaine fait face aux trois principaux défis suivants : (1) Vérification de la visualisation : déterminer si une visualisation pour un jeu de données donné est intéressante, du point de vue de la compréhension humaine ; (2) Espace de recherche de visualisation : un jeu de données "ennuyeux" peut devenir intéressant après une combinaison arbitraire d'opérations telles que sélections, jointures et agrégations, entre autres ; (3) Réponses en temps réel : ne pas épuiser la patience de l'utilisateur. Dans cet article, nous présentons le système DEEPEYE pour relever ces défis. Ce système résout le premier défi en formant un classificateur binaire pour décider si une visualisation particulière est bonne pour un jeu de données donné, et en utilisant un modèle d'apprentissage supervisé pour classer les bonnes visualisations mentionnées ci-dessus. Il prend également en compte des opérations de visualisation populaires, telles que le regroupement et le binning, qui peuvent manipuler les données, et cela déterminera l'espace de recherche. Notre système proposé s'attaque au troisième défi en intégrant des techniques d'optimisation de base de données pour partager les calculs et élaguer.
Qin et al. (Mon,) ont étudié cette question.