基于相似性和距离中心性推荐的历史视图浏览

用户在可视化过程中,通常仅仅关注当前的可视化结果,缺少对历史信息的回顾和分析,导致一些重要的中间结果没有被及时跟踪,不利于信息的对比和潜在规律的发现.以高校研究生信息数据为例,目前学校管理部门或学院对于研究生个人信息的可视化分析仅仅关注于当前数据，而忽略了更加重要的历史数据,从而无法准确地追踪和分析其潜在的信息和数据特征.针对这一问题,提出了基于推荐算法的可视化历史浏览方法.该方法将生成的可视化过程保存为历史信息,利用相似性算法分析历史结果间的关联关系,利用基于距离中心性和基于路径中心性的分析描述每个历史结果的重要性,综合3种分析方法将与当前可视化视图最为相似的历史信息推荐给用户,加速了认知过程.用户调查结果显示,大部分用户对基于历史的可视化推荐表示认可,并且已经开始在数据分析中使用.