上海科技大学信息科学与技术学院李权课题组(ViSeer LAB)深耕于可视化与人机交互领域研究。近日，课题组多项研究成果被可视化领域国际知名会议IEEE VIS 2022正式接收，同时收录在可视化与计算机图形领域期刊IEEE Transactions on Visualization and Computer Graphics (TVCG)。
过去几十年来，电子商务热潮给网络零售商带来了越来越多的竞争压力，他们必须不断开发促销活动新思路，以留住（老）和发展（新）客户。以往研究通过比较不同的机器学习和深度学习模型，直观地挖掘每次销售量上升背后的原因，为商品销量提供了合理的、可解释的预测。然而，这些工作大多集中在时间序列数据的统计特征上，并没有纳入大多数电商零售必须考虑的促销策略。另一方面，管理学和经济学的研究者已经为促销所引起的各种效应提出了一些定性和定量的理论，如举办折扣活动的频率、利用互补性的推荐艺术、以及替代效应等。目前还很少有工作能够扩展到更大的数据量，支持促销活动的交互式指导，并纳入预测能力。
李权课题组通过考虑时间序列的销售数据和促销因素来研究在线电子商务的促销策略。课题组首先对合作专家的现行做法进行了观察性研究，以确定他们对电子商务平台的促销策略分析的主要需求和关注。然后通过利用多种可解释机器学习模型分析促销活动，以确定对销售量有重大影响的关键因素，并支持领域专家比较不同产品在销售量、产品描述、促销活动和相关特征方面的表现。课题组进一步提供了一个交互式的促销特征引导机制，并提出可视分析系统PromotionLens，以帮助终端用户选择、比较和组合不同的促销策略。两个案例研究、对领域专家的访谈以及一项定性的用户研究实验验证了方法的有效性。
图：(A) 产品概览视图帮助用户选择感兴趣的产品，发现与其他产品之间的关系，并获得有关其标题、品牌和零售商铺的信息。(B) 促销概览视图显示了一个产品的促销活动的变化，以及它们与过去两年的销售情况的关系。(C) 销售分析视图显示了三种机器学习模型的预测和促销活动的持续时间。(D)竞争分析视图显示了五个最相似竞品的数据进行比较。 (E) 策略设置视图允许用户交互式自定义促销策略。
该研究成果论文题为"PromotionLens: Inspecting Promotion Strategies of Online E-commerce via Visual Analytics"，由上海科技大学信息科学与技术学院李权课题组、创业与管理学院范筱萌课题组，极智嘉(Geek+)，中山大学人工智能学院及香港科技大学计算机科学与工程学系合作完成。信息科学与技术学院2018级本科生张晨杨为论文的第一作者，李权助理教授为通讯作者。
文章链接：https://arxiv.org/abs/2208.01404
区域产业结构（RIS）是指特定区域内具有不同发展功能的产业部门之间的比例关系，是特定区域内国民经济空间布局组合的结果。各种经验证据表明，世界各地区的经济发展与产业结构的优化有关。了解RIS的现状和动态，将大大有助于考察和评估产业结构的相应合理性和对利益相关者的好处。以往关于RIS的研究主要集中在定性和定量的研究上，从宏观角度分析和调整合理性。而基于RIS的特点，更需要一种能够充分反映和研究RIS现状和动态性的方法。
李权课题组提出了一种可视分析技术，从工业企业级信息的角度理解RIS的现状和动态。研究人员将企业机构的动态视为一个回归问题，并使用多个机器学习预测模型来解释输入特征和输出RIS模式之间的潜在关联，以及可能的异常情况。采用带有新颖字形的增强型时间轴设计，以编码RIS在地理空间中随时间变化的动态，并揭示不同时间段内多种属性的时间变化对该地区的影响。基于真实世界数据集的案例研究及领域专家的反馈证明了该方法的有效性。
图：(A)RIS投影视图获得整个时期RIS模式的总体分布；(B)注册预测视图预测企业注册数量并揭示特征的重要性；(C)RIS演变视图探索区域的特征和随时间的演变；(D)时空视图将确定的区域集群投影到地图上；(E)代表企业注册活动增长率的箱形图。
此项研究成果论文题为"RISeer: Inspecting the Status and Dynamics of Regional Industrial Structure via Visual Analytics"，由上海科技大学信息科学与技术学院李权课题组、张海鹏课题组，创业与管理学院洪苏婷课题组合作完成，信息科学与技术学院2021级研究生陈龙飞、欧阳阳为论文的共同第一作者，李权助理教授为通讯作者。
文章链接：https://arxiv.org/abs/2208.00625
降维投影和排序是多属性数据探索中经常使用的分析挖掘技术，能帮助分析者完成识别观察结果之间的相似性和确定有序的子组等任务，并在多属性数据探索中表现出了良好的性能，但它们在某些应用中有其固有的局限性。
李权课题组试图将降维投影和排序结合到同一探索环境中，将两者优势进行叠加。探索它们之间的联系有几个优点。相对于降维投影，排序在方向性上更加直观和可控，可以作为降维投影中考察评级方向的指导。降维投影产生的“集簇”和“离群点”也可以帮助分析师在交互和空间上组织展示的观察结果，从而使其更具表现力。降维投影空间中观察值之间的接近程度与排序结果中的排名距离之间也可能存在不一致的情况。为此，李权课题组提出了RankAxis，一个系统化地结合了降维投影和多属性排序的可视分析系统，以促进这两种技术的相互解释，共同支持多属性的数据探索。通过真实世界的案例研究、专家反馈和用户研究证明了RankAxis的有效性。
图：(A)数据加载器便于数据选择；(B)交互式投影视图显示投影分布，引导分析人员探索投影布局和方向语义；(C1-C5)排名表视图总结了属性对排序的贡献，支持根据用户交互推导属性权重，并比较不同的排序方案；(D)比较投影视图分析了不同排序方案产生的观测值分布；(E)排序投影轴视图比较了同一上下文中的投影和排序的结果。
该研究成果论文题为"RankAxis: Towards a Systematic Combination of Projection and Ranking in Multi-Attribute Data Exploration"，由上海科技大学信息科学与技术学院、腾讯及香港科技大学计算机科学与工程学系合作完成，信息科学与技术学院访问生刘强强为论文的第一作者，李权助理教授为通讯作者。
沪公网安备 31011502006855号