PacificVis 2019 – Day 3

4月25日，PacificVis 2019 进入第二天的日程。当日上午，香港科技大学的屈华民教授主旨报告；接着是文本分析和可视化的论文环节。当日下午，首先进行了科学可视化和模拟数据的论文session；接着进行了海报和故事叙述竞赛的展示环节。当日晚上，与会人员参与了宴会。

上午的主旨报告 讲者是来自于香港科技大学的屈华民教授 ， 屈华民教授的研究方向主要是可视分析，包括城市数据可视化，社交媒体数据可视化，文本可视化等等。 人工智能是最近的研究热点，本次主旨报告的主题是如何利用可视分析的方法解释人工智能并且辅助机器学习。屈老师的讲座主要介绍了两个方面，第一个方面是使用可视分析解释人工智能，第二个方面是使用可视化辅助机器学习。

屈华民教授坐主旨演讲

首先可以将人工智能作为黑箱，用可视分析解释非深度学习与深度学习的算法。屈老师介绍的解释非深度学习的算法包括随机森林，embedding算法。关于深度学习的算法包括使用可视分析解释RNN，CNN等深度神经网络。 除此之外，用可视分析解释深度学习的另外一个方法是使用可解释的机器学习方法解释神经网络，在这个方面，屈教授介绍了他们RuleMatrix的工作。 屈老师主旨报告的最后一个方面是使用可视化辅助机器学习，这个方面可视化可以做的是使用帮助用户选择合适的机器学习算法，并且解释为什么选择机器学习的算法。

Session: 文本分析和可视化应用（Text Analysis and Visualization Applications）

Visual Exploration of Neural Document Embedding in Information Retrieval: Semantics and Feature Selection

Neural Embedding 广泛用于语言模型和特征生成中，具有很好的计算能力，可以将语义向量应用于信息检索等等任务。但是我们无法直接从中得到具体的语义信息。 来自俄亥俄州立大学的沈汉威教授给大家介绍了他们基于文档 Embedding 的方法，通过使用平行坐标、t-SNE 等方法具体的展示 Embedding 每个维度信息，通过可视分析来构建维度子集来进行特征选择，并获得语义信息，有利于信息检索等等任务。

An Interactive Visual Analytics System for Incremental Classification Based on Semi-supervised Topic Modeling

给文本打分类标签是一个十分耗时的过程，来自浙江大学的闫玉雨介绍了一个基于半监督主题模型的增量分类模型，对于初始的文本集合，首先基于 Gibbs MedLDA 生成主题作为文本集合的摘要，然后通过散点图来帮助用户从结构上探索文本集并找到用于创建的标签，可以修改标签然后生成新的主题和分类信息，用户可以通过交互不断地迭代标记文档来优化每个分类器。 虽然，基于这种方法可以不断地迭代更新分类的标签和结果，但是由于 Gibbs MedLDA 算法时间复杂度的问题，这个方法不能进行实时更新。

Visual Quality Guidance for Document Exploration with Focus+Context Techniques

基于魔镜（magic lens）的焦点+上下文（focus+context）技术是探索文档空间化的有力手段。 通常，他们只提供有关重点关注文件的额外总结或摘要视图。 因此，用户可能会错过重要信息，这些信息要么未以汇总形式显示，要么碰巧从未被重点关注过。 在这项工作中，作者展示了设计过程和用户​​研究结果，以改进基于魔术镜头的文档探索方法，其具有示例性视觉质量线索，以指导用户指导探索并帮助他们解释总结的结果。 他们对这些技术涉及的信息丢失的潜在来源做出了全面的分析，包括文本文档的可视化空间化，用户引导的探索和视觉摘要。借鉴以往研究的经验教训，他们强调了这些信息损失可能妨碍探索的各种方式。 此外，他们正式定义了上述不同类型的信息损失和偏见的测度。 最后，他们提出视觉线索来描述这些质量测度，这些测度无缝地整合到了探索方法中。 这些视觉提示在探索过程中引导用户，降低误解的风险并加速产生深刻见解。 他们总结了受控用户研究的结果，并讨论了将质量指导（quality guidance）纳入探索技术的益处和挑战。

Visual Analytics of Taxi Trajectory Data via Topical Sub-trajectories

基于 GPS 的出租车轨迹包含了有关运输和城市运动行为的很多信息。 主题建模是从出租车轨迹中提取语义信息的有效工具。 然而，现存的方法通常忽略轨迹的方向。 来自浙江大学的金思辰提出了一种使用使用二元主题模型，而不是传统的主题模型，来分析轨迹信息，这样可以考虑轨迹的方向信息。与此同时，使用改进的 Apriori 算法去提取频繁子轨迹来表示每个轨迹主题的语义信息。基于她们设计的可视分析系统，用户可以通过交互方式很方便探索主题和子轨迹。

GitViz: An Interactive Visualization System for Analyzing Development Trends in the Open-Source Software Community

来自韩国亚洲大学 Chanhee Park 等提出了一种可视化，用于帮助计算机科学家和数据科学家通过探索技术趋势做出决策。 对这些科学家来说，了解快速变化的计算机科学和数据科学领域的技术趋势很重要，但是往往需要相当多的时间和知识才能获得有关这些趋势的良好信息。 尤其是在该领域缺乏经验的数据/计算机科学家发现很难获得有关这种趋势的信息。 因此，他们提出了一种可视化系统，可以轻松快速地探索计算机和数据科学的技术趋势。本研究旨在确定特定领域的关键技术和开发人员，以及与特定技术密切相关的其他技术，并探索技术、语言和库的流行度随时间的变化。

EngineQV: Investigating External Cause of Engine Failures Based on Geo-Temporal Association

每辆车的核心都是它的引擎。 许多因素，无论是内部因素还是外部因素，都有助于提高飞机发动机的耐用性和使用寿命。 在本文中，他们的目标是帮助分析师对发动机故障的可能外部原因进行定性分析。 他们与领域专家密切合作，研究领域知识，分析具有挑战性的任务，并抽象用户需求。 他们提供了EngineQV，这是一个集成了多个地理时态引擎相关记录的可视化系统。 它提供了从各个方面对数据的直观探索和理解。 该系统具有对数据集的动态查询，并包含多个自定义的交互式可视化。 用户可以查询某组引擎或比较多个引擎组，识别问题并找到其潜在原因。

Session: 科学可视化和模拟数据( SciVis and Simulations)

Analysis of coupled thermo-hydro-mechanical simulations of a generic nuclear waste repository in clay rock using fiber surfaces

清洁能源产生的核废料经过长时间的隔离处理才能对人类没有影响。通常人们将这些废料隔离在底下。为了研究存储库系统的长期演变，科学家们进行了多物理场仿真产生了多变量的数据集。这种多场数据的可视化对当前的方法提出了挑战。来自Leipzig University 的Cristian Brecha等人演示如何对属性空间中的变量子集进行分析，以便以及对模拟数据进行可视分析。通过研究属性空间的时间演化，他们发现了可以识别为为核废料处置影响的模式。

Visual Exploration of Circulation Rolls in Convective Heat Flows

来自慕尼黑工业大学的Alex Frassion等人提出一种方法以提高对Rayleigh-Bnard型对流热传输中图案形成过程的理解。为了探索滚动式传热路径和图案形成异常，他们将特征提取与粒子轨迹的交互式可视化相结合。基于粒子的圆周运动的重要性度量被用于自动控制3D轨迹的密度，并且因此能够洞察漩涡内部的热流。通过包括粒子密度图的即时计算的交互式粒子可视化来支持对细胞边界内和跨细胞边界的热传递的定量分析。

图 新方法与传统方法比较

Visual Analysis of Ligand Trajectories in Molecular Dynamics

来自捷克的马萨利克大学的Adam Jurčík给出了对蛋白质轨迹的可视化研究。在许多情况下，蛋白质与其他小分子（配体）的反应发生在深埋的活性位点。在研究这些类型的反应时，生物化学家必须检查配体运动的轨迹。这些轨迹是通过计算机方法预测的，这些方法可以产生大量可能的轨迹。他们提出了一种新的方法来交互式视觉探索和分析大型配体轨迹，使领域专家能够基于轨迹属性理解蛋白质功能。

A Linear Time BVH Construction Algorithm for Sparse Volumes

来自德国科隆大学的Stefan Zellmann等人提出了一种线性时间边界体积层次构造算法，该算法构建于三角网格的表面光线跟踪方法。他们适应稀疏体积的直接体绘制。 并且实现了实现交互式的实时体绘制。

Interactive Spatiotemporal Visualization of Phase Space Particle Trajectories using Distance Plots

距离图可以有效分析高维相空间轨迹中的时空模式。 来自UC Davis 的Tyson Neuroth等人将此技术结合到具有多个链接相图的交互式可视化中，并且扩展距离图以还可以从粒子内（PIC）模拟以及相空间轨迹可视化中标记粒子权重。 通过将距离图与相位图相关联，可以更容易地研究时空模式。并通过扩展图来结合相空间轨迹可视化粒子权重，可视化更好地支持领域专家研究粒子在线的需求模拟。

Posters & Storytelling Contest

今天的海报展示和Storytelling环节在下午进行。北大可视化与可视分析研究组两个poster和一个storytelling作品参与了这部分的展出。作者们在各自海报前介绍自己的工作，感兴趣的人可以向作者提问并进行讨论。这种近距离的交流和思想碰撞，给大家带来许多新的思考和启发。

Banquet (晚宴)

当天晚上，与会人员前往金·汤普森别墅博物馆餐厅共进晚宴。在晚宴中，组织者宣布了论文、短论文、故事叙述竞赛以及海报最佳奖及提名奖。