1） 文章从贝叶斯模型和频率模型出发，来解决标签推荐问题，有清晰的模型流程图，清晰易懂；

2）文章研究点与自己的很相关，算法难度适中，能比较好实现。

1）文章提出了一种融合代码段，文本内容，用户信息来做推荐的，给想做模型融合来解决问题提供了一种思路；

2）文章在描述每一个算法的时都给出了伪代码，让我们能比较细致看到算法具体的实现细节。

推荐理由：这是一篇2011年4月21日发布在IEEE的文章。文章对于刚接触可视化领域的研究者有很好的指导作用，将普遍的可视化文章划分为“概念”，“实现”，“相关工作”与“数据特征“四个模块，有助于可视化文章研读是高效地提取其文章要点。

推荐理由：这是一篇发布于2015年在杭州召开的IEEE pacificvis会议上的文章，作者是来自于香港大学科学技术学院的团队。文章提出了一种新的MOOC视频点击流数据的研究工具VisMOOC，可以有效利用观看者的操作行为作为课程修正反馈。