以下是我在 2024 年 7 月 24 日于葡萄牙Coimbra大学举办的第 28 届国际信息可视化会议上的主题演讲的部分概要。演讲重点是基于 1991 年至 2024 年间发表的相关学术文献，探讨在信息可视化和可视化分析领域的发展中可以获得的回顾、洞察和前瞻。
下载：https://doi.org/10.13140/RG.2.2.21672.17929
A Visual Exploration of the Intellectual Landscape of Information Visualization: Hindsight, Insight, and Foresight (题目: 信息可视化领域的发展：回顾、洞察与前瞻)
幻灯片链接: https://doi.org/10.13140/RG.2.2.21672.17929
会议链接: https://lnkd.in/gFNRahhK
英文博客：https://citespace.podia.com/blog/215331ff-13f8-4faf-81b3-13e10294a1a4
最大的和持续时间最长的聚类是 #0 多维数据可视化（红色）。其核心主题就是降维，包括两个非常强大而且常见的 t-SNE 和 UMAP。最年轻的聚类为 #3 机器学习，包含的主题有深度神经网络、可解释的人工智能，以及 Scikit-learn 和 TensorFlow 等工具。多个聚类依赖箭头从#3 指向其他 6 个聚类，表明这个相对较新的聚类与这些领域的关系。
对于一个我们感兴趣的聚类，我们通常想了解该聚类是如何随着时间形成的。哪些作者或论文促成了该聚类的生成？我们可以使用 Link Walkthrough 功能来寻找特定时间段中所添加的共被引链接，在这种情况下，将时间范围缩小到出版的月份。然后，我们可以右键单击相关节点，从而显示其背后的引用文章。用这种方法，我们找到下面五篇文献，其中包括本月内发表的文章。
我们已经知道连接不同聚类之间的桥梁的重要性（参考我以前的演讲和论文）。那么问题是：哪些文献为我们贡献了这样的跨聚类连接？换句话说，哪些文献同时引用了属于不同聚类的工作？同样地，我们可以用 Link Walkthrough 和右键窗口的组合方法，找出以下三篇文章。
转载本文请联系原作者获取授权，同时请注明本文来自陈超美科学网博客。
链接地址：https://wap.sciencenet.cn/blog-496649-1444482.html?mobile=1
收藏
