科研｜iDVX 实验室2019-2020年度最新科研成果发布
2019-2020年度，智能大数据可视化实验室在 “可视分析” 及 “智能可视化设计“ 这两个研究方向上取得了一系列创新科研成果，一起来看看吧。
针对复杂事件序列数据的可视分析
事件序列（Event Sequence）数据记录并描述围绕着某个主体的各种离散“事件”随时间发生发展的过程，该数据类型广泛的产生于关乎国计民生的诸多应用领域当中，对该数据进行分析具有十分重要的意义。例如，在医疗领域，医疗事件序列抽取自患者的电子病历数据，描述了每一位患者就医过程如，化验、诊断、用药、手术等；在金融领域，金融交易序列记录了每一个金融账号存/取款，转账/汇款等金融交易信息；在互联网领域，用户的行为事件序列抽取自服务器的日志，记录了每一个用户在上网过程中的网页访问、文件下载、邮件通讯、社交媒体交互等一系列行为；在工业制造领域，产品的流水线生产过程同样可以被事件序列所描绘，例如每一个产品及其零部件的生产、制造、组装等过程。从这些例子可以看出，对事件序列数据进行分析是构建智慧医疗系统、降低金融风险，维护互联网信息安全，建设智能制造平台过程中不可缺少的重要环节。
针对复杂事件序列数据的阶段性可视化汇总
正因为其重要性，自2016年起，iDVX实验室逐步探索并深入研究了应当怎样汇总展示大规模事件序列数据并从中发现事件发生发展的一般性规律 [1,2] 及异常情况 [3]。同时，也对事件序列数据的可视化技术做出了领域内第一个全面的综述 [4]，自发布以来，先后收到了来自 Ben Shneiderman 及 Catherine Plaisant 等教授的称赞与点评。最近，在上述研究的基础上，我们创建了世界上第一个针对事件序列数据的可视因果分析系统 [5]。该系统能够帮助用户以直观的可视化方式推理并分析导致特定事件（例如，某种疾病症状等）发生的潜在原因。
针对复杂序列数据的可视因果分析系统
基于上述一系列关键技术，实验室开发了 CarePre 智能医疗预后分析系统 [6]。该系统通过抽取电子病例数据中的关键医疗事件，分析疾病在不同人群及不同诊疗方案下发生发展的一般性规律及相互差异，并进一步分析特定症状发生的可能原因，从而帮助医生对未来可能产生的状况作出更加精确的判断。目前，基于该系统，实验室正在与上海市肺科医院展开一系列相关的科研合作，相关技术正在真实医疗数据上进行进一步的验证，有望在今年底与医院展开进一步的、更贴近实际应用的合作。
智能可视化设计
继 AI-Sketcher [7] 及 EmoG 系统 [8]之后，在智能设计方向上，实验室今年推出了一款面向大众的智能可视化生成系统 Calliope [9]。该系统开创性的提供了可视化领域中第一个能够根据数据自动生成可视化叙事逻辑的相关算法与技术，实现了 Visual Narrative 及 Visual Story Telling 从“手动作坊” 式的低效创作 到 全自动化高效生成 的技术跨越，对数字新闻媒体、商务智能等领域均具有积极推进作用。
Calliope 智能可视化叙事生成系统
在使用 Calliope 系统时，用户上传数据后，系统可以自动围绕数据生成一系列具有叙事逻辑关系的可视化图表，用于展现一个完整的数据故事。尤为突出的是，Calliope 系统能够自动生成与台式机、平板电脑、手机等多种设备相兼容的可视化图表展现，同时也提供了智能化的图表及逻辑编辑功能，全面支持用户的个性化定制。所生成的结果可以进一步通过 Calliope 系统向公众发布。该系统已于2020年7月1日部署上线并开始免费公测，欢迎访问并使用 https://datacalliope.com.
Calliope 系统的自动生成结果示例
打造对社会有用并创造真正价值的可视化技术是 iDVX 实验室的科研宗旨，更多有趣的科研成果即将发布，敬请期待！
参考文献：
[1] Shunan Guo, Ke Xu, Rongwen Zhao, David Gotz, Hongyuan Zha, Nan Cao: EventThread: Visual Summarization and Stage Analysis of Event Sequence Data. IEEE Trans. Vis. Comput. Graph. 24(1): 56-65 (2018)
[2] Shunan Guo, Zhuochen Jin, David Gotz, Fan Du, Hongyuan Zha, Nan Cao: Visual Progression Analysis of Event Sequence Data. IEEE Trans. Vis. Comput. Graph. 25(1): 417-426 (2019)
[3] Shunan Guo, Zhuochen Jin, Qing Chen, David Gotz, Hongyuan Zha, Nan Cao: Visual Anomaly Detection in Event Sequence Data. BigData 2019: 1125-1130
[4] Yi Guo, Shunan Guo, Zhuochen Jin, Smiti Kaul, David Gotz, Nan Cao:
Survey on Visual Analysis of Event Sequence Data. CoRR abs/2006.14291 (2020)
[5] Zhuochen Jin, Shunan Guo, Nan Chen, Daniel Weiskopf, David Gotz, Nan Cao: Visual Causality Analysis of Event Sequence Data, IEEE Trans. Vis. Comput. Graph (IEEE VAST 2020), accepted.
[6] Zhuochen Jin, Shuyuan Cui, Shunan Guo, David Gotz, Jimeng Sun, Nan Cao: CarePre: An Intelligent Clinical Decision Assistance System. ACM Trans. Comput. Heal. 1(1): 6:1-6:20 (2020)
[7] Nan Cao, Xin Yan, Yang Shi, Chaoran Chen: AI-Sketcher : A Deep Generative Model for Producing High-Quality Sketches. AAAI 2019: 2564-2571
[8] Yang Shi, Nan Cao, Xiaojuan Ma, Siji Chen, Pei Liu:
EmoG: Supporting the Sketching of Emotional Expressions for Storyboarding. CHI 2020: 1-12
[9] Danqing Shi, Xinyue Xu, Fuling Sun, Yang Shi, Nan Cao: Calliope: Automatic Visual Data Story Generationfrom a Spreadsheet. IEEE Trans. Vis. Comput. Graph (IEEE InfoVis 2020), accepted.
关注实验室公众号，了解更多科研及教学动态
公众号二维码