8、数字人文与梯度提升机可视化分析

数字人文与梯度提升机可视化分析

在当今的学术研究和商业应用中，数字人文和机器学习领域都取得了显著的进展。数字人文中的可视化研究以及机器学习中梯度提升机（GBM）的应用都面临着各自的挑战，同时也催生出了相应的解决方案。

数字人文可视化的关键要素

在数字人文的协作研究中，有几个关键概念对于生成有效的可视化解决方案至关重要。

• 三个空间 ：分别表征项目的领域、任务和解决方案方面。领域空间明确了研究的范围和主题；任务空间确定了需要完成的具体工作；解决方案空间则是为实现任务而提出的具体方法和工具。
• 三个通道 ：是空间之间的交流手段。问题空间与任务空间之间的通信通道，用于明确问题并转化为具体任务；任务空间与解决方案空间之间的预可视化通道，帮助将任务转化为可视化方案；解决方案空间与问题空间之间的评估通道，用于验证解决方案是否满足问题需求。
• 三个标准 ：
  • 目的性 ：是指根据给定任务评估可视化效果。如果需求和任务分析得到了最佳定义，这个标准可以被量化。同时，考虑替代解决方案以及它们如何实现相同任务也是很重要的。
  • 可信度 ：涉及解决方案与专家用户之间的关系，以及用户对结果的信任程度。数字人文可视化往往具有黑盒行为（不透明），克服这种透明度不足是一个挑战。建模和机器学习算法的结果通常难以解释和追溯，可视化也倾向于减少信息维度以突出特定视角。为了建立用户信任，在早期与领域用户保持密切联系，并使用他们