7.智能数据洞察：大模型驱动的可视化与可视分析-陈思明.pdf

《7.智能数据洞察：大模型驱动的可视化与可视分析-陈思明.pdf》由会员分享，可在线阅读，更多相关《7.智能数据洞察：大模型驱动的可视化与可视分析-陈思明.pdf（81页珍藏版）》请在三个皮匠报告上搜索。

1、人智融合数据洞察：大模型驱动的智能可视分析与故事叙述复旦大学 大数据学院陈思明 青年研究员，博士生导师2025年11月大数据可视化与可视分析-复旦大学大数据学院，陈思明本科：复旦大学计算机学院博士：北京大学智能科学与技术博士后：德国波恩大学研究科学家：德国Fraunhofer IAIS青年研究员/博士生导师：复旦大学大数据学院扬帆计划获得者、上海市高层次引进人才。发表论文扬帆计划获得者、上海市高层次引进人才。发表论文100余篇余篇，在IEEE Visualization,IEEE TVCG,ACMCHI等重要国际顶级可视化会议以及期刊上发表40余篇文章（CCF A）。被评为被评为AI2000可

2、视化领域十年可视化领域十年间最有影响力学者提名奖（全球间最有影响力学者提名奖（全球100）。担任3个期刊（2个SCI期刊）的副主编与编委、多个国际会议的组织委员会和程序委员会成员，包括IEEE PacificVis论文（短文）主席，ChinaVis论文主席、数据分析挑战赛主席。他的工作曾获得多次IEEE VAST Challenge数据挑战赛一等奖，以及多个会议最佳论文/海报（提名）奖。文本+数据：构建数据故事视频可视化+数据：智能数据总结数据洞察的高效信息传递复杂决策与交互分析人智协同的深度洞察挖掘大模型驱动智能可视分析人智融合数据洞察人智融合数据洞察视频+可视化：融合真实与虚拟3D特效场景

3、交互式创作AR+VIS探索多模态的创意信息增强4FDUVIS!#$!#$traditionalvisualanalyticssystem11.可视分析系统制作费时费力-至少需要200人时。2.只支持固定数据的分析-无法响应用户实时的需求。解决方案：自动化生成可视分析大屏来解决用户的数据分析需求。1T.Qiuetal.,FishEyeWatcher:AVisualAnalyticsSystemforKnowledgeGraphBiasDetection-IEEEVASTChallenge2024MC1HonorableMentionforEffectiveUseofCoordinatedView

4、stoInterrogateBias,2024IEEEVisualAnalyticsScienceandTechnologyVASTChallenge,St.PeteBeach,FL,USA,2024,pp.13-14,doi:10.1109425FDUVIS%&%&挑战1.缺少可视分析知识2.缺少联系与交互 动机:通过人机协作方式，自动化的生成拥有可视化知识的、可交互的关联视图。556FDUVISSmartMLVs(677FDUVIS)*+,)*+,7148FDUVIS89FDUVIS9-./01234)56789:;?ABC-./01234)56789:;?ABC1|研究背景和相关工作分析

5、人员LLM-AgentassistantceC2.随着探索的进行，分析需求灵活多变C3.缺乏可视分析的实现技能可视分析系统C2.系统是预设的，非自适应于任务C3.要求开发人员编写代码C1.系统中往往缺乏探索中的指导C1.需要根据分析目标分解任务10FDUVIS10DE(DE(2|研究框架和内容!#$%&!#$%&()*+,-./0123456789基础：分析目标、数据经过：任务规划（推荐与分解）任务执行（代码生成）结果：洞察合作模式：模型负责规划与执行，人负责监督和完善11FDUVIS11DE(DE(!#$%&!#$%&():;23?1*2,-145672|研究框架和内容1.任务推荐：把目标转

6、换成可执行的任务2.任务执行：生成解决任务所需的可视化和数据建模的代码，由建模结果或者人的探索获得洞察。单个可视化可合并成多个可视化组成的系统。相应的，洞察也可自由合并进行总结。3.任务分解：评估任务执行结果，若解决不充分则进一步分解成子任务。12FDUVIS12研究框架研究框架2|研究框架和内容任务的规划与执行基于任务流：taskflow任务（节点）任务推荐（边）任务分解（边）任务推荐（初始推荐和有历史记录推荐）任务分解（并行/串行）and（并行）down（串行）初始推荐已有分析结果后推荐新任务表示新提出的任务13FDUVIS13LightVALightVA=A5BCDEFG5B2|研究框架