[論文レビュー] Interactive graph query language for multidimensional data in Collaboration Spotting visual analytics framework

Ádám Agócs, Dimitrios Dardanis+2 more|arXiv (Cornell University)|Dec 12, 2017

Data Visualization and Analytics参考文献 1被引用数 4

ひとこと要約

本論文は、協働抽出フレームワーク内でのインタラクティブなグラフクエリ言語を提案する。この言語は、多次元データネットワークを低次元でユーザーがナビゲート可能なビューに分解することで、視覚的認識と分析的推論を向上させる。SPARQLにインspiredされたクエリを用いて、ラベル付きで方向性があり、重みが付与された部分ネットワークを動的にナビゲート可能にすることで、複雑なデータの直感的な探索を可能にする。4600万ノード、1億5000万エッジの出版物と特許のネットワーク（2000–2014年）を用いた実証により、大規模なビジュアルアナリティクスにおける明快さとパフォーマンスの向上が示された。

ABSTRACT

Human reasoning in visual analytics of data networks relies mainly on the quality of visual perception and the capability of interactively exploring the data from different facets. Visual quality strongly depends on networks' size and dimensional complexity while network exploration capability on the intuitiveness and expressiveness of user frontends. The approach taken in this paper aims at addressing the above by decomposing data networks into multiple networks of smaller dimensions and building an interactive graph query language that supports full navigation across the sub-networks. Within sub-networks of reduced dimensionality, structural abstraction and semantic techniques can then be used to enhance visual perception further.

研究の動機と目的

• 高次元の複雑さと大規模さを有する大規模な多次元データネットワークの可視化と探索の課題に対処すること。
• 次元数が低く、ユーザーが直感的かつインタラクティブにナビゲート可能な部分ネットワークを介して、ユーザー主導のデータ圧縮を向上させること。
• 部分ネットワーク内での抽象化技術を用いて、データの意味的・構造的整合性を保ちながら、視覚的認識を向上させること。
• ユーザーが指定するビューと、ラベル付きで方向性があり、重みが付与されたグラフに対する動的ナビゲーションをサポートする、柔軟で拡張可能なクエリ言語を開発すること。
• 科学的共同研究の発見、R&D提携先の特定、調達インテリジェンスなどの実世界の分野への実用的応用を可能にすること。

提案手法

• ノードラベルに基づいて、大規模で多次元的かつ方向性のあるラベル付きグラフを、複数の低次元部分ネットワーク（ビュー）に分解し、焦点を当てた探索を可能にする。
• ユーザーが指定するビュー上で動作する、SPARQLにインspiredされたグラフクエリ言語を定義し、選択、ナビゲーション、ビュー間での拡張などの操作をサポートする。
• 各ビュー内で構造的抽象化技術（例：クラスタリング、要約）を用いて、視覚的ごみを低減し、情報の意味的本質を損なわず、認識を向上させる。
• バックエンドとしてNeo4jを採用し、ノード間のタイプが異なるラベル付きプロパティグラフとしてデータを格納し、方向性があり重みが付与されたエッジを有する。
• ユーザーの操作をクエリ入力としてサポート：ユーザーがノード（例：技術）を選択し、システムが選択されたラベルと関係性に基づいて動的にビューを生成・レンダリングする。
• パフォーマンス向上とインタラクションの簡素化を図るため、コアビューおよびブリッジビューの初期実装では、単一ラベル制約（例：ブリッジとして「発表済みアイテム」のみ）に限定する。

実験結果

リサーチクエスチョン

• RQ1 多次元データネットワークを、ナビゲーション可能で低次元の部分ネットワークにどのように分解できるか。視覚的認識と分析的推論の向上に寄与するか。
• RQ2 インタラクティブなグラフクエリ言語は、大規模ネットワークにおける意味的・構造的情報を保持しつつ、ユーザー主導のデータ圧縮をどの程度向上できるか。
• RQ3 ラベル付きで方向性があり、重みが付与されたビューを用いることで、複雑なデータネットワークにおけるビジュアルアナリティクスの明快さとパフォーマンスにどのような影響を与えるか。
• RQ4 SPARQLにインスパイアされたクエリ操作は、複数のグラフビューにまたがる動的ナビゲーションとフィルタリングをどの程度効果的にサポートできるか。
• RQ5 このアプローチは、学術的出版物や特許にとどまらず、ソフトウェア依存関係やビジネスインテリジェンスなどの多様な分野へ一般化・応用可能か。

主な発見

• 本システムは、2000–2014年の出版物と特許から得た4620万ノード、1億5660万エッジを含む大規模データネットワークを効果的に管理し、スケーラビリティを実証した。
• ビューに基づく分解により、ユーザーは焦点を当てた低次元部分ネットワークを通じて複雑な関係性を探索でき、視覚的明快さとユーザーのナビゲーションが著しく向上した。
• インタラクティブなクエリ言語により、ビュー間の動的遷移（例：「技術」から「分野カテゴリ」へ、およびその逆）が可能となり、反復的な分析的推論を支援した。
• コアビューおよびブリッジビューを単一ラベル（例：「発表済みアイテム」）に制限することで、クエリの複雑さが低減し、レンダリングが高速化された。
• 本フレームワークは汎用的かつ拡張可能であり、金融データやニュースデータなどの追加データソースを統合することで、R&D共同研究、調達、政策立案などの分野への応用が可能である。
• 本システムはCERNですでに導入されており、高エネルギー物理学分野における技術分野の主要プレーヤーの特定に活用されており、学際的かつセクター間の協働を支援している。