AZFT兼职教授巫英才团队论文 “A Visualization Approach for Monitoring Order Processing in E-Commerce Warehouse” 和 “VideoModerator: A Risk-aware Framework for Multimodal Video Moderation in E-Commerce” 两篇论文于2021年7月16日被可视化领域顶级会议IEEE VIS录用,同时被可视化领域顶级期刊 IEEE TVCG 收录。
IEEE VIS 是由电气电子工程师学会(IEEE)计算机协会可视化和图形学技术委员会(VGTC)主办的可视化领域的顶级会议。VIS是CCF推荐A类会议。
OrderMonitor - 电商仓内订单可视分析系统
电商仓库的订单处理效率对电商服务质量而言至关重要。高效的订单处理效率能保障电商物流交货的及时性,提升客户的网络购物体验。实时监控、及时根据实际情况调整仓内生产状态,可以提效订单处理。然而传统的关于流式数据可视化和工业流程可视化的方法不能直接应用在这一领域。电商仓库面临着大体量且数量类型均不确定的订单,仓内实操对滞留订单的判定界限较为模糊,操作人员关于订单处理的优先级决策也比较复杂。这些特征都使实时地监控、分析并维护电商仓库内的订单处理这一问题变得困难。
VideoModerator - 电商直播视频审核框架
随着社交媒体应用的普及,视频审核变得越来越重要。未经审核的视频内容可能给社交媒体平台带来未知的法律与道德风险。随着监管部门对视频合规要求的不断提高,视频审核已经成为各大互联网平台不可或缺的一项任务。视频审核旨在探究视频中蕴含的多模态风险内容,包括视觉信息的风险,例如裸露、血腥恐怖等,也包括音频信息的风险,例如粗话、脏话等。对于该项任务,一种策略是使用机器学习模型来进行风险的自动检测。然而,机器学习模型存在低准确率、不可解释等问题。过于严苛的审核策略会导致机器学习模型假阳率偏高,产生大量的误判案例,影响平台内容创作者的热情,而过于宽松的审核策略则会导致机器学习模型召回率不够,给平台带来潜在风险。
在本论文中,团队与专家紧密合作,提出了一种名为VideoModerator的视频审核框架。该审核框架在机器学习算法的基础上,通过新颖的可视化技术将人的经验知识和机器的智能计算结合起来,提高了视频的审核效率。
巫英才教授团队ZJUIDG主页:https://zjuidg.org/