KG4Vis：基于知识图谱的可解释可视化推荐方法研究

作者及发表信息

本研究由Haotian Li（香港科技大学及新加坡管理大学）、Yong Wang（新加坡管理大学，通讯作者）、Songheng Zhang（新加坡管理大学）、Yangqiu Song和Huamin Qu（香港科技大学）共同完成。论文《KG4Vis: A Knowledge Graph-Based Approach for Visualization Recommendation》发表于IEEE Transactions on Visualization and Computer Graphics期刊2022年1月第28卷第1期，数字对象标识符DOI: 10.1109/TVCG.2021.3114863。

研究背景

该研究属于可视化与计算机图形学领域，聚焦于自动化可视化推荐系统的开发。当前可视化推荐系统主要分为两类：基于规则的方法（如APT、Show Me等）需要专家手动制定可视化规则，工作量大且难以覆盖所有场景；基于机器学习的方法（如VizML、Data2Vis等）虽然能自动学习规则，但存在”黑箱”问题，难以解释推荐结果。为弥补这一空白，研究团队提出了KG4Vis——首个利用知识图谱（Knowledge Graph）技术实现可解释可视化推荐的框架，其核心价值在于无需人工规则制定的同时保证推荐结果的可解释性。

研究方法与流程

研究流程包含四个关键模块，共处理了来自VizML语料库的88,548个数据集-可视化对和309,335个数据列：

1. 特征提取模块

从数据集-可视化对中提取81种数据特征（50个连续特征和31个分类特征），分为三类： - 数据类型特征（Types）：如定量型、分类型、时间型 - 数值统计特征（Values）：包括分布特性、异常值等 - 列名特征（Names）：包含特定关键词（如”time”、”$“等）

对连续特征采用基于最小描述长度原则（MDLP）的离散化方法，自动确定区间划分数量，相比k-means等方法能更好地保持与可视化类型的关联性。

2. 知识图谱构建

构建包含四类实体和三类关系的知识图谱： - 实体类型： - 可视化设计选择（Ev）：6种基础图表类型（条形图、箱线图等）及坐标轴位置 - 离散化连续特征（Edf）：如”唯一值数量在30-50之间” - 分类特征（Ecf）：如”数据类型为定量型” - 数据列（Ed）：实际数据集中的列

• 关系类型：
  • 数据列→可视化设计（Rd→v）：如”某列被编码为散点图”
  • 分类特征→数据列（Rcf→d）：如”某列名包含’time’”
  • 连续特征→数据列（Rdf→d）：如”某列峰度位于第二区间”

最终构建的图谱包含216,851个实体、56种关系和9,679,463个三元组。

3. 嵌入学习

采用改进的TransE-adv算法（带自对抗负采样的TransE）学习实体和关系的1000维嵌入表示。相比传统TransE和RotatE模型，TransE-adv通过动态调整负样本权重，使模型更聚焦于难以区分的负例，在30,000次训练迭代后获得最优嵌入。定量评估显示其性能优势： - 可视化类型推理的平均排名（MR）为1.9567 - 坐标轴推理准确率达73.50% - Top-2命中率（Hits@2）达74.89%

4. 基于嵌入的推理

对新数据集通过双重翻译机制生成可解释规则： 1. 特征→虚拟数据列：fi + rj ≈ dim 2. 虚拟数据列→可视化：fi + rj + rtarget ≈ vn

通过计算规则得分g(fi→vn) = -||fi+rj+rtarget-vn||，聚合所有相关规则后推荐得分最高的可视化方案。例如当检测到”列值不排序”和”存在异常值”等特征时，系统会推荐箱线图并生成对应解释规则。

主要研究成果

规则发现与验证

研究发现的多条规则与实证研究高度吻合： 1. 条形图规则：当数据熵较低（明显聚类）时优先推荐条形图，与Saket等人关于”条形图最适合识别聚类”的结论一致 2. 折线图规则：”当列不是数据集中唯一列→折线图”符合折线图用于展示相关性的本质 3. 散点图规则：当检测到异常值（1.5IQR规则）时强烈推荐散点图，支持”散点图最适合发现异常”的实证结论

专家评估结果

12位可视化专家的访谈显示： - 规则合理性：多数规则评分在4分以上（5分制），特别是基于统计特征的规则 - 推荐质量：整体可视化推荐平均得分3.79，其中条形图、直方图推荐效果最佳 - 局限性：与列名相关的规则（如”列名少于5字符→热力图”）得分较低（1.33-1.67），主要源于Plotly语料库的特定偏好

研究结论与价值

KG4Vis的创新性体现在： 1. 方法论创新：首次将知识图谱应用于可视化推荐领域，提出包含特征离散化、图谱构建和双重翻译推理的完整框架 2. 可解释性突破：通过显式规则生成弥补了深度学习模型的”黑箱”缺陷，平均0.07秒/数据集的推荐速度满足实时需求 3. 实践价值：降低非专业用户创建有效可视化的门槛，同时帮助用户理解可视化原则

研究也揭示了当前限制： - 仅支持6种基础图表类型和坐标轴布局 - 规则质量依赖训练语料库的覆盖面 - 对跨列特征的支持有待加强

研究亮点

1. 知识图谱建模创新：提出的四实体-三关系模型为可视化知识表示提供了新范式
2. MDLP特征离散化：相比传统方法，在保持解释性的同时提高了推荐准确率
3. 自对抗负采样：使TransE-adv在可视化推荐任务上超越RotatE等新模型
4. 规则-推荐协同机制：首次实现自动化规则发现与可视化推荐的闭环系统

未来方向

作者建议从三方面拓展研究： 1. 纳入更多设计维度（颜色、比例等） 2. 开发考虑用户偏好的个性化推荐 3. 将方法扩展到信息图等复杂可视化类型

该研究为可解释AI在可视化领域的应用提供了重要范例，其框架也可迁移至其他需要可解释推荐的决策支持场景。