[論文レビュー] Survey on Artificial Intelligence Approaches for Visualization Data.

Aoyu Wu, Yun Wang+6 more|arXiv (Cornell University)|Feb 2, 2021

Data Visualization and Analytics参考文献 114被引用数 16

ひとこと要約

本調査は、可視化を第一級のデータ形式として形式化し、情報可視化および視覚的アナリティクス分野における可視化データに応用されたAI技術をレビューする。本調査では、可視化データが何であるか（WHAT）、なぜそしてどのようにAIを適用するか（WHYとHOW）を整理する分類法を提案し、コアなタスクとAIアプローチを特定し、今後のデータ駆動型可視化研究の基盤を提供する。

ABSTRACT

Visualizations themselves have become a data format. Akin to other data formats such as text and images, visualizations are increasingly created, stored, shared, and (re-)used with artificial intelligence (AI) techniques. In this survey, we probe the underlying vision of formalizing visualizations as an emerging data format and review the recent advance in applying AI techniques to visualization data. We define visualization data as the digital representations of visualizations in computers and focus on visualizations in information visualization and visual analytic. We build our survey upon a corpus spanning ten different fields in computer science with an eye toward identifying important common interests. Our resulting taxonomy is organized around WHAT is visualization data and its representation, WHY and HOW to apply AI to visualization data. We highlight a set of common tasks that researchers apply to the visualization data and present a detailed discussion of AI approaches developed to accomplish those tasks. Drawing upon our literature review, we discuss several important research questions surrounding the management and exploitation of visualization data, as well as the role of AI in support of those processes. We make the list of surveyed papers and related material available online at this http URL.

研究の動機と目的

• 可視化データをテキストや画像と同等の形式的データ形式として確立すること。
• AIと可視化データに関連する10のコンピュータサイエンス分野における共通の研究関心を同定すること。
• 可視化データの「WHAT」「WHY」「HOW」を軸にAI応用を整理する分類法の構築。
• 可視化データ処理における繰り返し現れるタスクと、それらに対処するためのAI技術を特定すること。
• AI支援による可視化データの管理と活用に関する未解決の研究課題を提示すること。

提案手法

• AIと可視化データに関する研究動向を特定するため、10のコンピュータサイエンス分野にわたる体系的文献レビュー。
• 可視化データを計算システム内での可視化のデジタル表現として定義すること。
• 表現（WHAT）、動機（WHY）、応用（HOW）の3本柱に基づく分類法の構築。
• 生成、分析、検索などの共通する可視化データタスクにおけるAI技術の使用に基づく分類。
• 可視化理解のための深層学習、自然言語処理（NLP）、グラフベースのモデルなどの繰り返し現れるAIアプローチの同定。
• 再現性および今後の研究を支援するため、調査済み論文および関連資料のオンラインリポジトリの構築。

実験結果

リサーチクエスチョン

• RQ1 AIシステムにおいて、可視化を形式的に第一級のデータ形式として扱う方法は何か？
• RQ2 可視化データ処理におけるAI技術が適用されるコアなタスクは何か？
• RQ3 異なる分野において可視化データタスクに対処するために共通して用いられるAIアプローチは何か？
• RQ4 AIを用いた可視化データの管理と活用における主な課題と未解決の研究課題は何か？
• RQ5 異なるコンピュータサイエンス分野は、可視化データのためのAI発展にどのように寄与しているか？

主な発見

• 可視化データは、テキストや画像と同等の構造的かつ機械処理可能な形式として、ますます重視されている。
• 可視化データにおける表現、動機、手法を軸にAI応用を整理する統一された分類法が開発された。
• 共通するAIタスクには、可視化生成、意味理解、検索が含まれ、それぞれに専門的な技術が対応している。
• 可視化データの解釈および生成において、深層学習と自然言語処理（NLP）が顕著なアプローチとして用いられている。
• 本調査では、可視化データのためのAI発展において、コンピュータサイエンス分野間で顕著な学際的重なりが同定された。
• 調査済み論文および関連資料のオンラインリポジトリが公開され、再現性と今後の研究を支援している。