paperbot · PL 论文追踪

全部论文 待读 收藏

P2 UnchartIt

UnchartIt
ASE Proceedings of the 35th IEEE/ACM International Conference on Automated Software Engineering2020匹配度 2/10 · 论文主题是图表生成中的数据转换与复现，标签为程序合成，虽然属于广义 PL 方向，但与画像核心的静态分析、LLM/Agent 与形式化验证、浮点程序分析、贝叶斯程序分析均无直接关联。引用 6 inbox
Daniel Ramos, Jorge Pereira, Inês Lynce, Vasco Manquinho, Ruben Martins
程序合成
crossref: 2026-09-12

AI 速览

一句话：针对图表生成中数据转换繁琐及已有图表难以复现的问题，介绍 UnchartIt。

论文关注数据可视化中图表生成过程的自动化问题。生成图表通常涉及数据变换、预处理和聚合等步骤，即使对经验丰富的数据科学家而言也繁琐耗时。当原始的数据变换信息丢失时，复现已有图表同样极具挑战。为此，作者提出 UnchartIt（标题），旨在缓解上述困难。然而，所给摘要并未详述其具体方法、实现或评估结果，因此无法从摘要中总结关键技术贡献与实验结论。

问题
图表生成需进行数据预处理与聚合等变换，繁琐耗时；且当数据变换信息丢失时，复现已有图表十分困难。
方法
摘要未提供具体方法；标题 UnchartIt 暗示其可能致力于从图表反向恢复数据变换，但无细节可确认。
评估
摘要未提及评估方式或实验结果。
原文摘要（Abstract）

Charts are commonly used for data visualization. Generating a chart usually involves performing data transformations, including data pre-processing and aggregation. These tasks can be cumbersome and time-consuming, even for experienced data scientists. Reproducing existing charts can also be a challenging task when information about data transformations is no longer available.

链接与引用

DOI 原文 · PDF（开放获取） ·

BibTeX 
@inproceedings{paperbot5981,
  title = {UnchartIt},
  author = {Daniel Ramos and Jorge Pereira and Inês Lynce and Vasco Manquinho and Ruben Martins},
  booktitle = {ASE},
  year = {2020},
  doi = {10.1145/3324884.3416613}
}