【WSDM2021】注意力流:时间序列网络中的可视化影响力

对网页、搜索词和视频等在线项目的集中关注反映了社会、文化和经济利益的趋势。此外，不同项目的关注趋势通过超链接或推荐等机制表现出相互影响。许多可视化工具存在的时间序列，网络演化，或网络影响;然而，很少有系统能将三者连接起来。在这项工作中，我们提出了“注意力流”，一种新的系统来可视化时间序列网络及其对彼此的动态影响。以自我节点为中心，我们的系统使用两种视觉编码同时呈现每个节点的时间序列:一个树轮代表概述，一个折线图代表细节。注意力流支持交互作用，如叠加影响的时间序列，并根据时间或流量过滤邻居。我们使用两个真实世界的数据集，VevoMusic和WikiTraffic来演示注意力流。我们表明，歌曲的注意力峰值可以解释为外部事件，如重大奖项，或网络变化，如一首新歌的发行。独立的案例研究也证明了艺术家的影响力如何改变他们的职业生涯，相关的维基百科流量是由文化兴趣驱动的。更广泛地说，注意力流可以推广到在物理基础设施(如道路网络)或自然现象(如天气和地质测量)上可视化时间序列网络。

https://www.zhuanzhi.ai/paper/e816dd1da03539ac1432ec0351891025

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“AFTS” 可以获取《【WSDM2021】注意力流:时间序列网络中的可视化影响力》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源