[論文レビュー] Tag-Cloud Drawing: Algorithms for Cloud Visualization

Owen Kaser, Daniel Lemire|arXiv (Cornell University)|Mar 22, 2007

Computer Graphics and Visualization Techniques参考文献 29被引用数 192

ひとこと要約

本稿では、電子設計自動化（EDA）および組版技術の手法を用いて、無駄な空間を最小限に抑え、レイアウトの美しさを向上させるために、タグクラウド可視化の最適化アルゴリズムを提案する。2次元レイアウト用の最小カット配置アルゴリズムを導入し、意味的に関連するタグをグループ化することで、最先端の手法と比較してバウンディングボックス面積を最大13%まで削減し、HTMLおよびCSSのみを用いても、より密な、視覚的に整合性のとれたタグクラウドを実現する。

ABSTRACT

Tag clouds provide an aggregate of tag-usage statistics. They are typically sent as in-line HTML to browsers. However, display mechanisms suited for ordinary text are not ideal for tags, because font sizes may vary widely on a line. As well, the typical layout does not account for relationships that may be known between tags. This paper presents models and algorithms to improve the display of tag clouds that consist of in-line HTML, as well as algorithms that use nested tables to achieve a more general 2-dimensional layout in which tag relationships are considered. The first algorithms leverage prior work in typesetting and rectangle packing, whereas the second group of algorithms leverage prior work in Electronic Design Automation. Experiments show our algorithms can be efficiently implemented and perform well.

研究の動機と目的

• 従来のインラインHTMLタグクラウドにおける非効率な空間利用と目立つ白抜き領域の問題に対処すること。
• レイアウトプロセスにタグ間の意味的関係を組み込むことで、視覚的な整合性を向上させること。
• 標準的なHTMLおよびCSSの制約内で動作するレイアウトアルゴリズムを開発し、プラグインや複雑なレンダリングに依存しないこと。
• EDAベースのフロアプランニングおよび組版技術が、タグクラウドレイアウト最適化にどの程度有効であるかを評価すること。
• 小型ディスプレイや制約のあるレイアウトにおいて、コンactで美的に洗練されたタグクラウドをレンダリングする実用的で効率的なソリューションを提供すること。

提案手法

• 電子設計自動化（EDA）の分野で用いられる最小カット配置アルゴリズムを、2次元タグクラウドレイアウト最適化に適応させ、バウンディングボックス面積を最小化するとともに、関連するタグをグループ化する。
• Knuth-Plassの行揃えとブック配置ヒューリスティクスを組み合わせたハイブリッドアプローチを採用し、行ベースのレイアウトにおける線形パッケージングを改善し、白抜き領域を低減する。
• レイアウト品質を面積と関連タグ間の重み付き距離に基づいて評価する「クラウド不快度」指標を採用し、式1を用いてクラスタリングの度合いを定量化する。
• 面積および距離指標のベースライン比較として、ソート済みおよびランダムなタグ順序を用いたグリーディヒューリスティクスを実装する。
• 性能比較の基準として、最新の長方形パッケージングツールであるcompaSSを用い、固定および可変アスペクト比制約下での比較を実施する。
• レイアウト品質の評価には、主に2つの指標を用いる：バウンディングボックス総面積（キロピクセル単位）および関連タグ間の総重み付き距離（左下コーナー座標を用いて算出）。

実験結果

リサーチクエスチョン

• RQ1 EDAベースのフロアプランニングアルゴリズム（例：最小カット配置）は、タグクラウドレイアウトにおける無駄な空間を効果的に削減できるか？
• RQ2 タグ間の意味的関係を組み込むことで、レイアウトの密着性および視覚的整合性はどのように向上するか？
• RQ3 面積およびクラスタリング品質の観点から、最小カットアプローチは、グリーディおよび最先端の長方形パッケージングアルゴリズム（例：compaSS）をどの程度上回るか？
• RQ4 タグのアスペクト比の変動が、特に面積最小化の観点から、レイアウトアルゴリズムのパフォーマンスに与える影響は何か？
• RQ5 密なパッケージングと意味的グループ化の両方をバランスさせるレイアウトアルゴリズムは、純粋にグリーディまたはコンパクト化志向のアプローチよりも、より美的に洗練されたタグクラウドを生成できるか？

主な発見

• 最小カット配置アルゴリズムは、compaSSと比較してバウンディングボックス面積を7–13%削減し、空間効率の優位性を示した。
• ソート済みグリーディヒューリスティクスは、最小カットアプローチよりも面積最小化において優れていた（面積が2–19%小さかったが、これはタグ関係を無視した結果であり、レイアウト品質の優位性ではない）。
• 最小カットアプローチは、関連タグのクラスタリングにおいて顕著に優れており、グリーディおよびcompaSS手法と比較して、総重み付き距離を40–50%低減した。
• タグのアスペクト比が可変である場合、compaSSは固定形状時のパフォーマンスに比べて面積を約12%削減したが、これは大規模なクラウドでは6秒以上を要した。
• 最小カットアルゴリズムは、特に小さなクラウドにおいて、よりバランスの取れたアスペクト比のレイアウトを生成し、グリーディアプローチで見られる極端なアスペクト比の問題を回避した。
• 優れたクラスタリングを実現したにもかかわらず、compaSSはソート済みグリーディヒューリスティクスよりも近接度指標で高いスコアを記録した。これは、式1がグループ化品質の代理指標として不十分であることを示唆している。