12月28號(hào)上午，最后一位講者是來(lái)自浙江大學(xué)的陳為老師。講座的主要內(nèi)容有《時(shí)空大數(shù)據(jù)的可視化》和《海量動(dòng)態(tài)圖數(shù)據(jù)的可視分析理論和應(yīng)用》。時(shí)空大數(shù)據(jù)的可視化從理解、分析、服務(wù)三個(gè)角度切入，向分享了可視化研究工作的成果與經(jīng)驗(yàn)。對(duì)海量動(dòng)態(tài)圖數(shù)據(jù)的討論，再次強(qiáng)調(diào)了可視化技術(shù)的重要與動(dòng)態(tài)圖相關(guān)的技術(shù)和應(yīng)用。 繼續(xù)閱讀 ?

現(xiàn)有的圖可視化技術(shù)難以在有限的空間有效揭示圖數(shù)據(jù)的豐富內(nèi)涵。本文[1]提出了一種叫做Graph Thumbnails的方法，它以縮略圖的方式將圖數(shù)據(jù)的層次化結(jié)構(gòu)可視化，靈活支持small multiple（小多組圖組），方便用戶(hù)快速瀏覽圖數(shù)據(jù)庫(kù)，并具有如下優(yōu)勢(shì)：（1）線性時(shí)間復(fù)雜度；（2）同構(gòu)不變性；（3）精確展示圖的結(jié)構(gòu)信息。通過(guò)兩個(gè)用戶(hù)研究，作者驗(yàn)證了Graph Thumbnails在標(biāo)識(shí)化、對(duì)比和概覽圖數(shù)據(jù)這三項(xiàng)常見(jiàn)數(shù)據(jù)分析任務(wù)中的優(yōu)越性。

繼續(xù)閱讀 ?

動(dòng)態(tài)圖可視化對(duì)復(fù)雜網(wǎng)絡(luò)分析等能起到關(guān)鍵作用，但由于動(dòng)態(tài)圖數(shù)據(jù)的復(fù)雜性，其演變過(guò)程的可視化形式一直難以確定，整體而言一般分為動(dòng)畫(huà)(Animation)和時(shí)間線(Timeline)兩類(lèi)。這個(gè)工作提出了一種用持續(xù)同調(diào)(Persistent Homology)來(lái)衡量動(dòng)態(tài)圖結(jié)構(gòu)變化特性的方法，在此基礎(chǔ)上提取特征以時(shí)間線的形式進(jìn)行可視化，揭示動(dòng)態(tài)圖的異常變化和整體演變過(guò)程[1]。持續(xù)同調(diào)是拓?fù)鋽?shù)據(jù)分析(Topological Data Analysis, TDA)的主要工具，是近年探索性數(shù)據(jù)分析和數(shù)據(jù)挖掘領(lǐng)域中逐漸活躍的方向，有深刻的代數(shù)幾何背景，將其引入可視化的特征提取是一次全新的嘗試。

繼續(xù)閱讀 ?

動(dòng)態(tài)影響網(wǎng)絡(luò)(DIN)[1]，是一種新穎的可視分析技術(shù)，用于表示和分析基于規(guī)則模型的蛋白質(zhì)－蛋白質(zhì)相互作用網(wǎng)絡(luò)。使用KaSim(一種Kappa語(yǔ)言編寫(xiě)的基于規(guī)則模型的開(kāi)源隨機(jī)模擬器)生成的數(shù)據(jù)，構(gòu)建動(dòng)態(tài)影響網(wǎng)絡(luò)，表示每個(gè)規(guī)則對(duì)其他規(guī)則的影響。

繼續(xù)閱讀 ?

本文提出了NEREX，為逐字會(huì)話(huà)腳本提供了一種探索性的交互式可視化分析方法。NEREX的切入點(diǎn)是從多方對(duì)話(huà)不同的角度給出了分析，通過(guò)鏈接的詳細(xì)視圖提供高層次的概述和提供機(jī)制的形成和驗(yàn)證假設(shè)。使用定制命名實(shí)體抽取，我們將重要實(shí)體抽象為十類(lèi)，并用距離約束實(shí)體關(guān)系模型提取它們之間的關(guān)系。該模型符合逐字記錄往往不合語(yǔ)法的結(jié)構(gòu)，涉及兩個(gè)實(shí)體是否在同一個(gè)句子中出現(xiàn)一個(gè)小的距離窗內(nèi)。我們的工具使多方對(duì)話(huà)的探索性分析使用幾個(gè)鏈接的意見(jiàn)，顯示在文本的主題和時(shí)間結(jié)構(gòu)。除了遠(yuǎn)程閱讀，我們還為文本層次調(diào)查過(guò)程整合了密切的閱讀觀點(diǎn)。超越時(shí)空對(duì)話(huà)的探索性分析，NEREX幫助用戶(hù)生成和驗(yàn)證假設(shè)并進(jìn)行多元對(duì)話(huà)的比較分析。我們通過(guò)三名來(lái)自政治科學(xué)領(lǐng)域?qū)＜业亩ㄐ匝芯?，證明了我們的方法在2016屆美國(guó)總統(tǒng)辯論中對(duì)真實(shí)世界數(shù)據(jù)的適用性。

繼續(xù)閱讀 ?

可視分析動(dòng)態(tài)圖中數(shù)據(jù)的波動(dòng)模式，是個(gè)很有挑戰(zhàn)性的問(wèn)題。一般情況下，我們會(huì)選擇small multiples形式或動(dòng)畫(huà)形式，來(lái)分析動(dòng)態(tài)圖中的變化模式。本文提出了新的可視化展示方式，TimeArcs，來(lái)分析動(dòng)態(tài)圖中的波動(dòng)模式。 繼續(xù)閱讀 ?

目前，動(dòng)態(tài)圖可視分析方法主要分為small multiples和animation兩大類(lèi)。Small multiples方法，將時(shí)間映射到空間上，用戶(hù)需要同時(shí)觀察若干個(gè)snapshot，相互比較來(lái)獲取差異。由于屏幕空間有限，當(dāng)時(shí)間步很多時(shí)，很難同時(shí)展示出所有時(shí)刻的網(wǎng)絡(luò)，且用戶(hù)難以分析獲取動(dòng)態(tài)網(wǎng)絡(luò)的變化模式。Animation方法，將時(shí)間映射到時(shí)間維度，用戶(hù)在每個(gè)時(shí)刻只能觀察到一個(gè)時(shí)間步的網(wǎng)絡(luò)，需要去記憶，理解時(shí)間步之間網(wǎng)絡(luò)的變化情況，進(jìn)而理解動(dòng)態(tài)圖的變化模式。

本文提出一種新穎的方法，來(lái)分析動(dòng)態(tài)圖的變化模式。他們將每個(gè)時(shí)間步的網(wǎng)絡(luò)轉(zhuǎn)換成高維向量，將這些高維向量投影到二維平面，用點(diǎn)表示。如圖1所示，投影后得到的布局中，每個(gè)點(diǎn)表示一個(gè)時(shí)間步的snapshot， 每條邊連接了兩個(gè)相鄰時(shí)刻的頂點(diǎn)。這個(gè)方法可以有效地幫助用戶(hù)探索分析動(dòng)態(tài)圖的穩(wěn)定狀態(tài)、重現(xiàn)狀態(tài)、異常狀態(tài)以及狀態(tài)與狀態(tài)之間的轉(zhuǎn)移過(guò)程。
繼續(xù)閱讀 ?

對(duì)關(guān)系網(wǎng)絡(luò)圖中的結(jié)點(diǎn)進(jìn)行聚類(lèi)是社群分析的一個(gè)重要方法，但對(duì)于特殊任務(wù)，比如尋找社群之間的公共結(jié)點(diǎn)，對(duì)邊進(jìn)行聚類(lèi)則更加有效[1]。這篇EuroVis2015的文章[2]通過(guò)對(duì)偶鄰接矩陣（Dual Adjacent Matrix）的方法，把結(jié)點(diǎn)鄰接矩陣和邊鄰接矩陣合并到了一起，共同來(lái)進(jìn)行網(wǎng)絡(luò)圖中的社群分析。

繼續(xù)閱讀 ?

動(dòng)態(tài)網(wǎng)絡(luò)(Dynamic networks)數(shù)據(jù)與動(dòng)態(tài)圖(Dynamic Graph)數(shù)據(jù)一直以為都比較復(fù)雜，隨著數(shù)據(jù)量的不斷增大，為動(dòng)態(tài)網(wǎng)絡(luò)的分析與可視化帶來(lái)了極大的挑戰(zhàn)。
另一方面，動(dòng)態(tài)網(wǎng)絡(luò)數(shù)據(jù)常常帶有時(shí)間信息，而現(xiàn)有的時(shí)空高維數(shù)據(jù)可視化方法都有各種缺點(diǎn)，尤其是當(dāng)圖中節(jié)點(diǎn)密集時(shí)，現(xiàn)有的方法幾乎都會(huì)遇到遮擋問(wèn)題。

二維模型探索動(dòng)態(tài)圖數(shù)據(jù)已有很多種方法，如點(diǎn)邊圖 (Node-Link Diagram)，鄰接矩陣 (Adjacency Matrices) 等，這些方法可以很好地展現(xiàn)圖中的節(jié)點(diǎn)自身的隨時(shí)間變化的信息，但是節(jié)點(diǎn)以及節(jié)點(diǎn)之間關(guān)系的演化，在這些方法中比較難展現(xiàn)，尤其是節(jié)點(diǎn)個(gè)數(shù)多時(shí)，以及限制于一個(gè)視圖中。
用三維模型將時(shí)空高維數(shù)據(jù)可視化，增加一個(gè)維度可以展現(xiàn)更豐富的信息，但是也會(huì)帶來(lái)更加嚴(yán)重的問(wèn)題，例如相互遮擋，目標(biāo)物體選擇困難，交互不方便等問(wèn)題。

本文[1]提出了一個(gè)新的交互探索模型，Matrix Cubes，該模型使用3D cube作為視圖中樞協(xié)調(diào)者 (pivot visualization)，管理多個(gè)不同角度的切片視圖，這些切片視圖全是從3D cube中導(dǎo)出的。系統(tǒng)還提供了一系列的交互，例如，刷選 (brushing)，鏈接 (linking)，和過(guò)濾 (filtering)，為深入探索動(dòng)態(tài)圖數(shù)據(jù)提供了有效的方法。

繼續(xù)閱讀 ?

最近二十年來(lái)，隨著動(dòng)態(tài)圖數(shù)據(jù)的大量產(chǎn)生，動(dòng)態(tài)圖可視化研究也得到了長(zhǎng)足的發(fā)展。人們?cè)O(shè)計(jì)了許多可視化技術(shù)，用于支持不同種類(lèi)的探索任務(wù)。接著，為了比較不同技術(shù)的優(yōu)劣，人們又并發(fā)展了相應(yīng)的評(píng)價(jià)方法。在此過(guò)程中，人們也將動(dòng)態(tài)圖可視化技術(shù)運(yùn)用于解決一系列實(shí)際問(wèn)題。Beck等人在今年EuroVis的Start of the Art Report環(huán)節(jié)報(bào)告了一篇綜述論文[1]，總結(jié)了現(xiàn)有的動(dòng)態(tài)圖可視化研究。他們共計(jì)考察了129篇相關(guān)論文，將它們大致分為技術(shù)類(lèi)、評(píng)價(jià)類(lèi)和應(yīng)用類(lèi)。他們隨后對(duì)以上三方面研究進(jìn)行詳細(xì)的歸類(lèi)整理，并在最后展望了未來(lái)的研究方向。