9、知识辅助可视化与引导：融合人机优势的数据分析新途径

知识辅助可视化与引导：融合人机优势的数据分析新途径

1. 引言

在现实世界的决策中，分析推理往往涉及大量不确定、复杂且常相互冲突的数据，分析师需要从中理出头绪。除了复杂的分析方法，关于数据、领域和过往经验的知识在这一过程中也十分有益。理想情况下，可视化和/或可视化分析（VA）环境应充分利用这些知识，以更好地支持特定领域的用户、他们的数据以及在应用场景中的分析任务。

可视化分析（VA）被定义为“通过交互式视觉界面促进分析推理的科学”，它是一种多学科方法，融合了数据挖掘与知识发现、信息可视化、人机交互和认知科学等方面。VA充分发挥了计算机和人类的特定优势：计算机凭借强大的计算能力，更擅长管理和处理大量数据；而人类则拥有更好的感知和认知能力，能够直观地察觉意外模式并解读数据。

我们认为，如果能有效利用计算机中可恰当表示的先验知识，整个分析过程将受益匪浅。本文将探讨知识辅助可视化（KAV）的可行性，即机器如何利用明确的先验知识来支持交互式可视化和数据挖掘。同时，还会从本体论和信息论的角度，讨论知识辅助可视化过程在支持用户决策任务方面的信息理论考量。此外，还会阐述引导这一混合主动过程，其旨在主动解决用户在交互式可视化过程中遇到的知识差距。

2. 知识辅助可视化：定义与模型

分享先验知识被视为可视化领域的十大未解问题之一。在讨论如何表示、存储和分享先验知识之前，我们需要明确知识的定义。“数据”“信息”和“知识”这三个术语在计算机科学中常一同出现，但人们通常难以清晰区分它们，甚至偶尔会互换使用。

2.1 定义

不同研究领域对“数据”“信息”和“知识”有多种不同的定义。经典的“数据 - 信息 - 知识 - 智