論文の概要: A Unified Comparison of User Modeling Techniques for Predicting Data
Interaction and Detecting Exploration Bias
- arxiv url: http://arxiv.org/abs/2208.05021v1
- Date: Tue, 9 Aug 2022 19:51:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-11 13:19:09.114478
- Title: A Unified Comparison of User Modeling Techniques for Predicting Data
Interaction and Detecting Exploration Bias
- Title（参考訳）: データインタラクション予測と探索バイアス検出のためのユーザモデリング手法の統一比較
- Authors: Sunwoo Ha, Shayan Monadjemi, Roman Garnett, and Alvitta Ottley
- Abstract要約: 我々は,4つのユーザスタディデータセットの多種多様なセットにおいて,その性能に基づいて8つのユーザモデリングアルゴリズムを比較し,ランク付けする。
本研究は,ユーザインタラクションの分析と可視化のためのオープンな課題と新たな方向性を強調した。
- 参考スコア（独自算出の注目度）: 17.518601254380275
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The visual analytics community has proposed several user modeling algorithms
to capture and analyze users' interaction behavior in order to assist users in
data exploration and insight generation. For example, some can detect
exploration biases while others can predict data points that the user will
interact with before that interaction occurs. Researchers believe this
collection of algorithms can help create more intelligent visual analytics
tools. However, the community lacks a rigorous evaluation and comparison of
these existing techniques. As a result, there is limited guidance on which
method to use and when. Our paper seeks to fill in this missing gap by
comparing and ranking eight user modeling algorithms based on their performance
on a diverse set of four user study datasets. We analyze exploration bias
detection, data interaction prediction, and algorithmic complexity, among other
measures. Based on our findings, we highlight open challenges and new
directions for analyzing user interactions and visualization provenance.
- Abstract（参考訳）: visual analyticsコミュニティは、ユーザによるデータ探索とインサイト生成を支援するために、ユーザのインタラクション動作をキャプチャし、分析するためのいくつかのユーザーモデリングアルゴリズムを提案している。
例えば、探索バイアスを検出できるものや、そのインタラクションが起こる前にユーザが対話するデータポイントを予測できるものもある。
研究者たちは、このアルゴリズムがよりインテリジェントなビジュアル分析ツールを作るのに役立つと考えている。
しかし、コミュニティにはこれらの既存の技術に対する厳密な評価と比較が欠けている。
その結果、どの方法を使うか、いつ使うかのガイダンスは限られている。
本稿は,8つのユーザモデリングアルゴリズムを,多様な4つのユーザ学習データセット上で性能に基づいて比較・ランク付けすることで,不足したギャップを埋めようとしている。
本研究では,探索バイアス検出,データインタラクション予測,アルゴリズム複雑性などを分析する。
本研究は,ユーザインタラクションの分析と可視化のためのオープンな課題と新たな方向性を明らかにする。
関連論文リスト
- DISCOVER: A Data-driven Interactive System for Comprehensive Observation, Visualization, and ExploRation of Human Behaviour [6.716560115378451]
我々は,人間行動分析のための計算駆動型データ探索を効率化するために,モジュール型でフレキシブルでユーザフレンドリなソフトウェアフレームワークを導入する。
我々の主な目的は、高度な計算方法論へのアクセスを民主化することであり、これにより研究者は、広範囲の技術的熟練を必要とせずに、詳細な行動分析を行うことができる。
論文 参考訳（メタデータ） (2024-07-18T11:28:52Z) - What User Behaviors Make the Differences During the Process of Visual
Analytics? [1.5285292154680246]
本研究では,ユーザ行動の包括的データ収集と時系列分類手法を用いた分析手法を提案する。
ユーザスタディでは,デスクトップと没入型2種類の可視化システムを用いて,多様な可視化タスクのユーザ行動を収集している。
この結果から,視覚分析の過程でユーザ行動の区別が可能であり,ユーザの身体行動とそれらが実行する可視化タスクとの間には強い関連性があることが判明した。
論文 参考訳（メタデータ） (2023-11-01T17:45:52Z) - Automated Deception Detection from Videos: Using End-to-End Learning
Based High-Level Features and Classification Approaches [0.0]
深層学習と識別モデルを組み合わせたマルチモーダル手法を提案する。
我々は畳み込み学習を用いて、視線、頭ポーズ、表情を解析する。
提案手法は, 経済要因による新しいローリングディース実験を含む5つのデータセットで評価される。
論文 参考訳（メタデータ） (2023-07-13T08:45:15Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Visual Auditor: Interactive Visualization for Detection and
Summarization of Model Biases [18.434430375939755]
機械学習(ML)システムがますます普及するにつれて、これらのシステムをデプロイ前にバイアスとして監査する必要がある。
近年の研究では、データのサブセット(またはスライス)を解釈可能で過小評価する形で、交差点バイアスを効果的に識別するアルゴリズムが開発されている。
モデルバイアスを監査・要約するための対話型可視化ツールであるVisual Auditorを提案する。
論文 参考訳（メタデータ） (2022-06-25T02:48:27Z) - A Graph-Enhanced Click Model for Web Search [67.27218481132185]
ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。
セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
論文 参考訳（メタデータ） (2022-06-17T08:32:43Z) - Continuous Human Action Recognition for Human-Machine Interaction: A
Review [39.593687054839265]
入力ビデオ内のアクションを認識することは難しいが、リアルタイムの人間と機械のインタラクションを必要とするアプリケーションに必要なタスクである。
我々は,ほとんどの最先端手法で使用される特徴抽出と学習戦略について述べる。
実世界のシナリオへのそのようなモデルの適用について検討し、いくつかの制限と研究の方向性について論じる。
論文 参考訳（メタデータ） (2022-02-26T09:25:44Z) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳（メタデータ） (2021-09-21T16:18:45Z) - DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
人-物間相互作用(HOI)検出の課題に対処する。
既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。
本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
論文 参考訳（メタデータ） (2020-08-26T17:59:40Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳（メタデータ） (2020-07-07T17:19:56Z) - Mining Implicit Entity Preference from User-Item Interaction Data for
Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。
我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。
利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文 参考訳（メタデータ） (2020-03-28T05:47:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。