[論文レビュー] Guided Visual Exploration of Relations in Data Sets

Kai Puolamäki, Emilia Oikarinen+1 more|arXiv (Cornell University)|May 7, 2019

Data Visualization and Analytics参考文献 25被引用数 5

ひとこと要約

本論文は、タイル制約を通じてユーザの知識と目的をモデル化することで、一貫性のある枠組みを提示し、ユーザに合わせたインタラクティブでノイズに強く、計算的にも効率的な次元削減を可能にする。この手法は、標準の投影プッシュ技術を上回り、現実世界のデータ探索における重複または既知のパターンを低減する。

ABSTRACT

Efficient explorative data analysis systems must take into account both what a user knows and wants to know. This paper proposes a principled framework for interactive visual exploration of relations in data, through views most informative given the user's current knowledge and objectives. The user can input pre-existing knowledge of relations in the data and also formulate specific exploration interests, which are then taken into account in the exploration. The idea is to steer the exploration process towards the interests of the user, instead of showing uninteresting or already known relations. The user's knowledge is modelled by a distribution over data sets parametrised by subsets of rows and columns of data, called tile constraints. We provide a computationally efficient implementation of this concept based on constrained randomisation. Furthermore, we describe a novel dimensionality reduction method for finding the views most informative to the user, which at the limit of no background knowledge and with generic objectives reduces to PCA. We show that the method is suitable for interactive use and is robust to noise, outperforms standard projection pursuit visualisation methods, and gives understandable and useful results in analysis of real-world data. We provide an open-source implementation of the framework.

研究の動機と目的

• インタラクティブなビジュアルデータ分析システムにおいて、ユーザの知識と探索目的の原理的統合が不足している問題に対処すること。
• ユーザが提供する制約と関心に基づき、動的に変化する視覚化により、新規で情報量の多い関係を強調する手法を開発すること。
• 繰り返しまたは既に知られているパターンを表示しないように、計算的に効率的でインタラクティブなフレームワークを構築すること。
• 既存の反復的データマイニングおよび制約付きランダム化アプローチを拡張し、実数値データのリアルタイムでユーザがガイドするビジュアル探索を可能にすること。
• 事前知識がない場合にPCAに一般化され、ユーザ固有の制約に適応可能な次元削減技術を提供すること。

提案手法

• タイル制約（行と列の部分集合）によって定義されるデータセットの分布を用いて、既知または疑わしい関係を表すユーザの背景知識をモデル化する。
• ユーザが定義した制約の下で合成データを生成するための制約付きランダム化を採用し、驚きの情報理論的測度を効率的に計算可能にする。
• ユーザの知識に対して最も情報量が多い視覚化を特定する、新しい次元削減手法を導入。制約が存在しない場合にはPCAに還元される。
• データ行列における重複または隣接するユーザ定義制約（タイル）を表現・動的に統合するためのタイルベースのタイリング構造を用いる。
• ハッシュマップを用いて重複を検出し、解決するO(nm)の効率的アルゴリズムを実装し、既存の非重複タイリングに新しいタイルを統合する。
• 仮説を制約としてエンコードすることでユーザの操作を統合し、その後続の情報量の多い投影選択をガイドする。

実験結果

リサーチクエスチョン

• RQ1 ユーザの知識と探索目的を、インタラクティブなビジュアルデータ分析をガイドする形式的モデルとしてどのように定式化できるか？
• RQ2 ユーザ固有の背景知識の文脈において、「情報量の多い」視覚化を定義する最も効果的な方法は何か？
• RQ3 制約付きランダム化を用いることで、ユーザ定義の制約を伴う高次元データにおける情報理論的驚きを効率的に計算できるか？
• RQ4 提案手法の次元削減法は、PCA や投影プッシュといった標準的手法と比較して、ノイズ耐性と情報量の両面で優れているか？
• RQ5 このフレームワークは、繰り返しや既知のパターンを表示せずに、インタラクティブかつ反復的な探索をどの程度サポートできるか？

主な発見

• 提案されたフレームワークは、ユーザの制約に対して最大限に驚きが大きい視覚化に焦点を当てるため、重複または既に知られている関係の表示を顕著に低減する。
• 実世界のデータにおけるノイズに対して強い性能を示し、標準の投影プッシュ可視化手法を上回って意味のあるパターンを特定する。
• 背景知識が全くない極限において、次元削減手法はPCAに還元され、理論的整合性が裏付けられる。
• 制約付きランダム化アプローチにより、情報量の多い視覚化の計算が効率的に行えるようになり、リアルタイムの探索ワークフローにおけるインタラクティブ利用を可能にする。
• オープンソース実装により、多様なデータ分析シナリオにおける再現可能で拡張可能なフレームワークの利用が可能になる。
• タイル統合アルゴリズムはO(nm)の時間計算量を達成し、動的制約更新を伴う大規模データセットへのスケーラビリティを保証する。