以下为我本学期推荐的5篇论文:
- 《Interactive Exploration of Implicit and Explicit Relations in Faceted Datasets》
- 《Visualizing explicit and implicit relations of complex information spaces》
- 《Visual-interactive Exploration of Interesting Multivariate Relations in Mixed Research Data Sets》
- 《Multivariate Network Exploration with JauntyNets》
- 《Flexible Linked Axes for Multivariate Data Visualization》
五篇内容介绍如下:
一 《Interactive Exploration of Implicit and Explicit Relations in Faceted Datasets》
内容简介:
现在很多数据都包含一些异构分面(facets),从这些分面中我们不但可以得到一些显性的关系(explicit relationship),还可以推导出一些隐性关系(implicit relationship)。显性关系很多时候我们可以直接从数据中通过某一个属性直接看出来,如文章间的引用关系;但隐性关系则常常与多个属性相关,不易察觉。因此如何通过可视化交互视图挖掘这些关系显得尤为重要,本文提出了PivotSlice可视分析系统,它能够有效的进行分面浏览以及提供了灵活的交互,尤其是PivotSlice允许用户基于焦点和多尺寸表格视图,合乎逻辑地构建动态查询,将数据根据特定语义分成多个部分。
推荐理由:
1.基于多焦点和多尺度列表的动态查询做的非常出色
2.文本的交互、动画做的非常出色,还有一些特别地功能非常人性化。
【引用】Zhao J, Collins C, Chevalier F, et al. Interactive exploration of implicit and explicit relations in faceted datasets[J]. Visualization and Computer Graphics, IEEE Transactions on, 2013, 19(12): 2080-2089.
二 《Visualizing explicit and implicit relations of complex information spaces》
内容简介:
本文探究的内容与第一篇类似,也是研究如何同时探索数据集中的显隐性关系,但两篇文章的方法不同,这篇文章采用了两种模式来研究这些关系,一种是利用MDS(Multidimensional scaling)计算各个实体间的相似性,将多维属性映射为二位空间的坐标(靠的近的点相似性高),根据相似度进行布局;第二种是根据时间轴进行布局,将点根据时间属性按顺序排布。
推荐理由:
1.这是我看的第一篇有关于relationship的文章
2.这篇文章在空间布局上花了较多心思。
【引用】:Dörk M, Carpendale S, Williamson C. Visualizing explicit and implicit relations of complex information spaces[J]. Information Visualization, 2012, 11(1): 5-21.
三 《Visual-interactive Exploration of Interesting Multivariate Relations in Mixed Research Data Sets》
内容简介:
目前存在许多混合的科研数据集,我们常常利用它们来验证一些假设以及发现一些未知的知识。现在的许多分析工具主要分析整个数据集的关系,这样会使得不同子集的特征行为趋于一致。本文提供了一个交互式的可视化系统,能够探索混合数据集中多变元属性不同值域空间的关系。该可视化系统融合了三个不同的视图,不但可以看到大规模混合数据集的概要信息,也能够通过过滤等操作进行交互式地向下钻取。同时提供了不同的聚类技术来揭示更多有意思的潜在的多元关系。
推荐理由:角度比较奇特,现在较多研究个人间或者属性间的关系,而本文则是从更细粒度的角度出发。
【引用】Bernard J, Steiger M, Widmer S, et al. Visual‐interactive Exploration of Interesting Multivariate Relations in Mixed Research Data Sets[C]//Computer Graphics Forum. 2014, 33(3): 291-300.
四 《Multivariate Network Exploration with JauntyNets》
内容简介:
这篇文章讲述的也是有关于关系属性网络的,传统的这些网络常采用点链图或者矩阵进行呈现,这些方式主要研究网络的拓扑结构。但是在真实世界里,网络元素包含其他一些属性。文本提出了一种新颖的方法,改进了传统的力导引布局,创建了一种属性驱动的布局,从而在展现底层拓扑结构的基础上支持更多的分析。同时本文的原型实现将聚类和多维尺度引入了分析过程。
推荐理由:
1.改进力导引布局,采用属性驱动的布局较有新意。
2.可以实时修改参数调整布局
【引用】Jusufi I, Kerren A, Zimmer B. Multivariate network exploration with JauntyNets[C]//Information Visualisation (IV), 2013 17th International Conference. IEEE, 2013: 19-27.
五 《Flexible Linked Axes for Multivariate Data Visualization》
内容简介:
对于多元数据的可视化已经有不少的可视化方案,如:散点矩阵、平行坐标、雷达图、PCPs……以及多视图的融合。但是这些常用方法结构基本固定,而本文给出了一种方案,使得用户能够自由的定义可视化通过绘制以及链接坐标轴,每个轴都与一个属性相关联(与平行坐标类似),轴与轴之间的连接可以通过散点图或者平行坐标的方式进行展现。该方法允许用户定义复合的可视化并支持自动的筛选和链接。
推荐理由:
虽然可视化方式并没有做新的突破,但从用户的角度出发,让用户根据自己需求来制定可视化方案的视角值得借鉴。
【引用】Claessen J H T, Van Wijk J J. Flexible linked axes for multivariate data visualization[J]. Visualization and Computer Graphics, IEEE Transactions on, 2011, 17(12): 2310-2316.