信息可视化和可视分析:挑战与机遇——北戴河信息可视化战略研讨会总结报告

由天津大学软件学院发起并召集,东北大学秦皇岛分校和燕山大学承办的信息可视化战略研讨会于2012年6月9～10日在北戴河成功举行.本文总结了此次会议的讨论内容和达成的共识,对当前信息可视化和可视分析领域的挑战和国际上这方面的研究方向做了大致的分析,并对今后信息可视化和可视分析的大方向提出一些建议,以及对具体行动提出一系列倡议.     

一种模型驱动的交互式信息可视化开发方法

设计与实现面向领域应用的交互式信息可视化软件十分困难.缺乏统一的开发方法与支撑工具箱,为非专家用户提供对层次、网络、多维等数据类型的统一支持,对各种可视化技术与交互技术的统一支持,以及对信息可视化任务的统一支持针对此问题,提出了一种模型驱动的交互式信息可视化开发方法Daisy.首先,提出了交互式信息可视化界面模型IIVM(interactive information visualization interface model);然后,提出了基于IIVM的交互式信息可视化开发方法Daisy,讨论了该方法的两个核心技术:IIVM建模与描述文件生成方法、系统自动生成方法.同时。给出了Daisy工具箱,包括Daisy建模工具、Daisy系统自动生成工具以及运行时框架与组件库.最后,给出了该开发方法与工具箱的应用实例.实例表明,该方法能够为交互式信息可视化开发的统一支撑方法问题提供一种有效的解决方案.     

智能可视化与可视分析

可视化与可视分析已成为众多领域中结合人类智能与机器智能协同理解、分析数据的常见手段。人工智能可以通过对大数据的学习分析提高数据质量,捕捉关键信息,并选取最有效的视觉呈现方式,从而使用户更快、更准确、更全面地从可视化中理解数据。利用人工智能方法,交互式可视化系统也能更好地学习用户习惯及用户意图,推荐符合用户需求的可视化形式、交互操作和数据特征,从而降低用户探索的学习及时间成本,提高交互分析的效率。人工智能方法在可视化中的应用受到了极大关注,产生了大量学术成果。本文从最新工作出发,探讨人工智能在可视化流程的关键步骤中的作用。包括如何智能地表示和管理数据、如何辅助用户快速创建和定制可视化、如何通过人工智能扩展交互手段及提高交互效率、如何借助人工智能辅助数据的交互分析等。具体而言,本文详细梳理每个步骤中需要完成的任务及解决思路,介绍相应的人工智能方法（如深度网络结构）,并以图表数据为例介绍智能可视化与可视分析的应用,最后讨论智能可视化方法的发展趋势,展望未来的研究方向及应用场景。     

文本可视化研究综述

随着海量文本的涌现,信息超载和数据过剩等问题促使了文本可视化技术的出现.文本可视化技术综合了文本分析、数据挖掘、数据可视化、计算机图形学、人机交互、认知科学等学科的理论和方法,为人们提供了一种理解复杂文本的内容、结构和内在规律等信息的有效手段.文中首先阐述了文本可视化的概念和重要性,然后按照不同可视化对象类型综述了文本可视化的研究现状,并介绍了典型的文本可视化方法与方案;最后,对文本可视化的未来研究方向进行了展望.     

基于主题的文本可视分析研究

文本可视分析是一个跨学科的领域,涉及文本数据挖掘、计算机图形图像以及人机交互等各方面的知识和技术,可以帮助用户以可视分析的手段交互地分析海量的文本数据内容,提供及时的反馈,发现异常和规则,提取知识以及获取洞察.已被应用在国土安全、商业智能分析以及金融分析等很多不同的领域,受到国内外学术界、工业界以及政府部门越来越多的重视.文中首先简要地介绍了文本可视分析的一般流程;然后系统地介绍了典型的文本分析和可视化技术,并着重讨论这2类研究的最新技术以及发展;最后对全文进行了总结并展望了文本可视分析面临的四大研究挑战:海量数据规模、复杂数据的不确定性、数据融合以及人机交互.     

大数据可视分析综述

可视分析是大数据分析的重要方法.大数据可视分析旨在利用计算机自动化分析能力的同时,充分挖掘人对于可视化信息的认知能力优势,将人、机的各自强项进行有机融合,借助人机交互式分析方法和交互技术,辅助人们更为直观和高效地洞悉大数据背后的信息、知识与智慧.主要从可视分析领域所强调的认知、可视化、人机交互的综合视角出发,分析了支持大数据可视分析的基础理论,包括支持分析过程的认知理论、信息可视化理论、人机交互与用户界面理论.在此基础上,讨论了面向大数据主流应用的信息可视化技术——面向文本、网络(图)、时空、多维的可视化技术.同时探讨了支持可视分析的人机交互技术,包括支持可视分析过程的界面隐喻与交互组件、多尺度/多焦点/多侧面交互技术、面向Post-WIMP的自然交互技术.最后,指出了大数据可视分析领域面临的瓶颈问题与技术挑战.     

基于交互式可视组件的分析决策环境研究

针对人类分析决策活动的分步骤、交互化特点,基于认知心理学相关理论研究了分析决策过程中的人机协同工作模型,提出了基于交互式可视组件的分析决策交互任务框架,建立了交互式可视组件的统一描述,研究了交互式可视组件的实现技术,包括运行过程中信息可视化技术、交互技术和配置过程中的交互历史复用技术等,构建了一个交互式可视组件的分析决...     

一种面向关系型数据的可视质量分析方法

由于信息系统所提供数据的质量不高(如数据残缺、数据不一致、数据重复等)导致管理者决策过程中经常面临“数据丰富,信息匮乏”的困惑是目前企业普遍存在的现象.为了切实提高信息系统所提供数据的可用性,研究了影响关系数据库数据质量的主要因素,提出了面向多数据源的统一元数据模型和数据库数据质量评估模型,构建了用于数据质量评估的交互式可视形态集.建立了一个面向关系数据库的数据质量可视分析系统,并结合具体企业应用实例进行验证.结果表明,该系统能够有效分析数据质量,提高企业分析决策的可靠性和准确性.     

基于管道隐喻的工作流可视化方法

为直观高效的呈现工作流数据,提出面向大量工作流实例的基于三维管道隐喻的可视化方法.研究了运行阶段工作流数据特点,对流程和相关数据进行分析和建模,面向流程型数据特点提出一个有针对性的可视形态,将数据映射到三维空间中,以信息密度高的三维形态呈现多工作流实例视图,并在此基础上讨论用户交互目标和交互任务集,提供自然的交互方法,揭示工作流数据中隐含的规律,为分析利用大量工作流数据提供支持.通过系统实例验证了该方法的有效性.     

信息见解引导的可视化推荐

对高维数据的探索和分析需要在数据中提取有价值的信息见解并生成合适的可视化图表.为降低生成有效图表的门槛,以信息见解为中心自动生成可视化图表,提出一个可视化推荐框架,包含数据片段推荐和视觉编码推荐2部分.在数据片段推荐中,相比现有方法使用单一指标,所提框架结合多种分析方法和机器学习算法进行信息见解的挖掘和数据片段的排序,为用户推荐信息见解丰富的数据片段;在视觉编码推荐中,该框架结合规则和机器学习方法,基于信息见解的特征建立视觉编码映射,并对图表中的关键信息进行高亮以增强用户的理解.在图表类型预测任务中,使用用户绘制的真实可视化图表数据进行实验的结果表明,所提框架比现有方法具有更高的预测准确率;用户调查的结果则证明,该框架能帮助用户更好、更快地了解一个陌生的数据表格中蕴含的关键信息.     

海量层次信息的Focus+Context交互式可视化技术

综述了海量层次信息可视化与Focus Context技术的相关工作,针对海量层次信息可视化的交互问题,在嵌套圆可视化技术的基础上提出了基于上下文感知的Focus Context交互式可视化技术.首先,基于外切圆排列方法提出对圆心进行三角网格剖分的方法,为变形计算建立上下文;然后,针对变形计算前后上下文一致性问题,在三角网格邻居跟踪方法的基础上,提出了用于同层兄弟节点上下文感知的外切圆变形排列方法,以及用于父子节点上下文感知的嵌套圆迭代排列方法.实验结果表明。上述方法在实现焦点突出的鱼眼视图的同时,能够有效地解决Focus Context交互式可视化的上下文感知问题.上述方法应用于文件系统海量层次信息的交互式可视化问题,提供了交互式可视化工具.     

ComVis-Sail: Comparative Sailing Performance Visualization for Coaching

During training sessions, sailors rely on feedback provided by the coaches to reinforce their skills and improve their performance. Nowadays, the incorporation of sensors on the boats enables coaches to potentially provide more informed feedback to the sailors. A common exercise during practice sessions, consists of two boats of the same class, sailing side by side in a straight line with different boat handling techniques. Coaches try to understand which techniques are that make one boat go faster than the other. The analysis of the obtained data from the boats is challenging given its multi-dimensional, time-varying and spatial nature. At present, coaches only rely on aggregated statistics reducing the complexity of the data, hereby losing local and temporal information. We describe a new domain characterization and present a visualization design that allows coaches to analyse the data, structuring their analysis and explore the data from different perspectives. A central element of the tool is the glyph design to intuitively represent and aggregate multiple aspects of the sensor data. We have conducted multiple user studies with naive users, sailors and coaches to evaluate the design and potential of the overall tool.

     

研讨信息交互式可视化平台设计与实现

针对传统研讨信息静态可视化视图杂乱、难以辨认等问题,提出研讨信息可视化框架和基于交互式可视化技术的解决方案。利用Java、XML技术,借助JFreeChar、Prefuse软件包实现交互式可视化平台。该平台基于节点链接结构,允许用户交互式操作,支持可视化检索和分析。运行结果表明,该平台改善了研讨信息的可访问性,具有较强的可扩展性。     

Human Factors in Streaming Data Analysis: Challenges and Opportunities for Information Visualization

Real‐world systems change continuously. In domains such as traffic monitoring or cyber security, such changes occur within short time scales. This results in a streaming data problem and leads to unique challenges for the human in the loop, as analysts have to ingest and make sense of dynamic patterns in real time. While visualizations are being increasingly used by analysts to derive insights from streaming data, we lack a thorough characterization of the human‐centred design problems and a critical analysis of the state‐of‐the‐art solutions that exist for addressing these problems. In this paper, our goal is to fill this gap by studying how the state of the art in streaming data visualization handles the challenges and reflect on the gaps and opportunities. To this end, we have three contributions in this paper: (i) problem characterization for identifying domain‐specific goals and challenges for handling streaming data, (ii) a survey and analysis of the state of the art in streaming data visualization research with a focus on how visualization design meets challenges specific to change perception and (iii) reflections on the design trade‐offs, and an outline of potential research directions for addressing the gaps in the state of the art.     

面向微博主题的可视分析研究

随着微博的发展,其影响力日益增大,对微博主题内容进行分析具有重要的价值.主题模型技术能够从文本数据中提取主题,但是,由于微博文本短、随意性大、信息量小等特点,微博主题的分析具有一定的难度.提出了一个微博主题可视分析系统,利用多种互相关联的视图与丰富的交互手段,支持用户对主题模型结果进行分析与探索.系统结合了微博数据的特点,引入微博用户与时间因素,支持分析者从多角度对微博主题进行全面分析.系统支持用户在主题可视分析的基础上,通过交互操作对主题进行编辑,从而改进主题模型,提高模型的准确性和可靠性.案例分析结果表明,提出的系统可以有效地帮助用户分析微博主题和修正主题.     

基于笔式界面的交互式可视化分析系统

当前可视化分析软件对于人机交互的支持不足,造成分析推理过程效率较低。针对此问题,设计并实现了一个笔式可视化分析系统。首先分析了可视化分析过程的交互任务,然后提出了笔式可视化分析系统的体系结构,研究了基于草图的自适应布局算法,并对分析过程中的交互方式进行设计。最后给出了该系统的应用实例,可用性实验评估结果表明,该系统可以为可视化分析提供一种自然、高效的支持工具。