LEVA: Using Large Language Models to Enhance Visual Analytics

视觉分析支持复杂领域问题中的数据分析任务。然而，由于数据类型、视觉设计和交互设计的丰富性，用户在视觉分析数据时需要回忆和处理大量信息。这些挑战强调了更智能的视觉分析方法的需求。大型语言模型已经展示了解释各种形式的文本数据的能力，提供了促进视觉分析智能支持的潜力。我们提出了LEVA，一个框架，它使用大型语言模型增强用户在多个阶段的VA工作流程：入门、探索和总结。为了支持入门，我们使用大型语言模型来解释可视化设计和基于系统规范的视图关系。对于探索，我们使用大型语言模型基于系统状态和数据分析推荐洞见，以促进混合倡议探索。对于总结，我们提出了一种选择性报告策略，通过流可视化回溯分析历史，并在大型语言模型的帮助下生成洞见报告。我们演示了如何将LEVA集成到现有的视觉分析系统中。两个使用场景和一个用户研究表明，LEVA有效地帮助用户进行视觉分析。

LEVA: 一种利用大型语言模型增强可视化分析的框架

LEVA框架利用大型语言模型在可视化分析的各个阶段提供智能支持，包括解释可视化设计、推荐洞见以及生成洞见报告等

LEVA框架提供了智能支持，使用户能够更轻松地进行可视化分析。论文提出了三个应用场景并进行了用户研究，结果表明LEVA有效地帮助用户进行可视化分析。

近期相关研究包括利用深度学习进行可视化分析以及利用自然语言处理进行数据可视化等。