论文：DataShot: Automatic Generation of Fact Sheet from Tabular data

作者：Yun Wang, Zhida Sun, Haidong Zhang, Weiwei Cui, Ke Xu, Xiaojuan Ma, and Dongmei Zhang

发表：VIS 2019

fact sheet 的设计者不仅要深刻理解地数据，还要制作出引人注目的图形表达，这一工作通常是耗时繁琐的，本文提出了一种从表格数据中自动生成 fact sheet 的方法，从而简化用户的操作。

报告 PDF 链接

介绍

Fact sheet 是什么：

  • Fact sheet is a presentation of data in a format which emphasizes key points concisely, usually using tables, bullet points and/or headings, on a single printed page.
  • Fact sheets often contain product information, technical data, lists, statistics, answers to common questions (e.g. FAQs), educational material, or how-to, “do it yourself” advice. They are sometimes a summary of a longer document.

Example:

优点：

  • 使得观众高效地理解数据相关的事实
  • 留下深刻的印象

生成 Fact Sheet 的挑战：

  • 第一个挑战是从数据表中提取数据事实，并将事实组织到有意义的主题中。

  • 第二个挑战是，选择合适的可视化方法来展示数据事实。

文章贡献：

  1. 调查研究了一个优质的 infographic 数据库，用来分析 fact sheet 的实际设计。
  2. 使用新颖的技术来描述 DataShot 框架，以将数据事实组织为主题，并将数据事实转换为 fact sheet。为了验证这一技术，实现了一个概念验证系统来从表格数据自动地产生 fact sheet。
  3. 使用真实的数据来演示系统的使用，并在实验室进行用户研究，以揭示 DataShot 的潜在的好处

Fact Sheet 设计的调研

数据来源： Kantar Information is Beautiful Awards 选择 2012-2018 年，298 个信息图表类型的作品。去除了 53 个包含 特殊设计的艺术图像或符号 的例子，保留了 245 个由常见的单一视觉效果或复合视觉效果组成的 fact sheet

定性分析阶段 ：整体设计（Sheet-Level Design）、视觉元素级设计（Element-Level Design）

整体设计

  1. 内容结构：random，sequence, multiple plots

    random factsSequenceMultiple Plots

  2. 页面布局：编码了八种布局方式：

在 245 个例子中的分布情况：

发现最多使用的是：随机事实这种内容结构方式，平铺的页面布局。因此决定，从这两个配置开始，开发 Fact-Sheet 的自动生成方法。

视觉元素级设计

  1. 可视化风格：从 245 个 fact sheet 中提取出 793 个视觉元素,分布情况如下图所示

  2. 常用的事实类型：总结出 11 类事实类型

    ​ 数值、比例、差异、分布、趋势、排名、聚合、相关性、极端案例、类别、异常情况

    由统计的数据表明：设计者更愿意选用饼图来展示比例；更愿意用折线图来表示趋势……

DataShot

设计目标：

  • G1 确保数据事实的准确和可靠
  • G2 支持有效的数据事实提取。
  • G3 将数据事实组织到对应的主题中
  • G4 呈现的内容 简明、让人印象深刻
  • G5 支持简单的用户交互

系统 Pipeline:

Fact Formulation:

将 fact 定义为如下形式：$fact = {type, parameters, measures,subject,score}$

Fact Extraction:

  1. 子空间枚举(Subspace Enumeration):

    $subspace = \left{\left{f[1]:v[1]\right}, \ldots, \left{f[n]:v[n]\right}\right}$ 使用 BUC 算法，按 top-down 顺序枚举数据子空间。限制数据立方的格点深度为 3，因为经过超过 3 维过滤的数据子空间对用户来说通常是无趣的。

  2. 事实计算(Fact Computation)

    在枚举数据子空间的过程中，DataShot 进行计算以搜索不同类型的事实。目前，DataShot 在一次计算中只支持一个度量.

  3. 计算事实分数（Fact Scoring）

    $score = Ws·score{significance} + Wf·score{focus} + Wc·score{context}$ 参数分别为 0.6/0.2/0.2

Fact Composition:

  1. 主题提取(Topic Extraction):

    $sheet_{topic} (t)={fact[1],fact[2],…,fact[d]}$ $where fact[i].subject.context=t or fact[i].subject.focus=t$

  2. 事实选取(Fact Selection):

    根据事实分数，选择 top-N 个数据事实，然而，在许多情况下，最重要的事实在语义上可能非常相似，因为它们共享在统计上非常重要的属性，支配着最终的得分。因此需要平衡事实的重要性和差异性。具体过程是：

    • 计算事实之间的距离。
    • 从上到下选择，选择最重要的事实，同时排除和它最接近的。如果几个事实的分数相同，那么选择最“离群的”

Visual Synthesis:

  1. 事实-视觉映射（Fact-Visual Mapping）:

    • 使用 793 个视觉元素以及他的事实类型，训练一棵决策树。
    • 还考虑了 Inter-consistency 和 Intra-diversity。比如：事实类型相同，主题及度量也相同，应采用相同的视觉映射来保持一致性；相同的事实类型，主题或者度量不一样，就尽量采用不同的可视化方法。

  2. 事实描述的生成(Fact Description Generation)

    • 采用基于模板的方法来为每种类型的数据事实生成相应的描述。 构建了包含主题、度量、维度和事实细节的文本模板。

  3. Fact Sheet 布局：

    • 由上面的调查结果，采取平铺、随机事实的布局方式

  4. 风格(Fact Sheet Styling)：

    • 支持三种风格，七种配色方案

  5. UI 界面：

评估以及讨论

Use Cases: 搜集一些网络数据制作了如下结果：

User Study

由于 DataShot 是提出的第一个直接从表格数据生成事实表的系统，因此没有理想的工具或技术可供比较。因此，设计了一个用户研究，要求参与者首先使用问卷对 DataShot 进行评价，然后通过研究后的访谈，根据他们使用 DataShot 的经验收集他们的反馈。

Limitation:

  1. 把每个数据列独立看待，没有考虑它们之间的相关性。比如：国家 地区

  2. 图表和视觉效果主要来自于预定义的库，受库大小的限制；只支持平铺式的 layout。

  3. 视觉元素只来自于调查中的 fact sheet 样例。不够丰富

  4. Inter-consistency 有待加强，以提高 fact sheet 的质量

  5. 按照分数和相异性来选择事实会引起偏差，不完美。需要开发一个更好地事实评估方法


Questions & Discussion： ✉️ 1220341948@qq.com