[論文レビュー] Word Storms: Multiples of Word Clouds for Visual Comparison of Documents

Quim Castellà, Charles Sutton|arXiv (Cornell University)|Jan 3, 2013

Data Visualization and Analytics参考文献 11被引用数 14

ひとこと要約

本稿では、共通語を一貫した位置、色、方向に配置することで、複数の単語雲を協調的に可視化する「ワードストーム」を導入する。この手法は、自動分類タスクとユーザースタディーの両方で、単語の存在、文書の類似性、相違点の特定において優れた正確性を示しており、視覚的比較を顕著に向上させる。

ABSTRACT

Word clouds are a popular tool for visualizing documents, but they are not a good tool for comparing documents, because identical words are not presented consistently across different clouds. We introduce the concept of word storms, a visualization tool for analysing corpora of documents. A word storm is a group of word clouds, in which each cloud represents a single document, juxtaposed to allow the viewer to compare and contrast the documents. We present a novel algorithm that creates a coordinated word storm, in which words that appear in multiple documents are placed in the same location, using the same color and orientation, in all of the corresponding clouds. In this way, similar documents are represented by similar-looking word clouds, making them easier to compare and contrast visually. We evaluate the algorithm in two ways: first, an automatic evaluation based on document classification; and second, a user study. The results confirm that unlike standard word clouds, a coordinated word storm better allows for visual comparison of documents.

研究の動機と目的

• 標準の単語雲が複数の文書を比較する際に一貫性の欠如による制限を抱えることへの対処。
• 類似した文書がレイアウトにおいても視覚的に類似するように、ユーザーが文書を視覚的に比較・対比できるようにすること。
• 共有コンテンツに基づいて複数の雲間で単語の位置を協調的に整えるレイアウトアルゴリズムの開発。
• 自動分類とユーザースタディーを用いて、協調的ワードストームの有効性を評価すること。

提案手法

• Wordleのグリーディーなランダム配置戦略と最適化に基づくアプローチを組み合わせ、複数の雲間での単語位置を協調的に制御する。
• 多次元スケーリングにインspiredされた目的関数を用い、一致する単語がすべての雲で同じ位置、色、方向に表示されるように協調性を最大化する。
• 学術論文や研究助成申請書のコーパスに対してアルゴリズムを適用し、共通語が空間的に一致するストームを生成する。
• 文書分類タスクにおける自動評価のために、雲のピクセルベクトル表現を用いる。
• 単語の存在、類似性、相違点検出を含むタスクにおいて、協調的ストームと独立した雲を比較するユーザースタディーを実施する。
• 評価において、ボックスト・オブ・ワード表現のコサイン類似度を用いて、最も類似したおよび最も異なる文書ペアを特定する。

実験結果

リサーチクエスチョン

• RQ1 独立した単語雲と比較して、協調的単語雲は文書の視覚的比較を顕著に改善できるか？
• RQ2 共通語の空間的協調性は、ユーザーが文書間での単語の存在・不在を検出する能力をどの程度向上させるか？
• RQ3 協調的レイアウトは、コーパス内で最も類似したか、最も異なる文書を特定するユーザーの能力にどのように影響するか？
• RQ4 協調的単語ストーム表現は、自動文書分類の有効な特徴として機能できるか？
• RQ5 ワードストームの構造的レイアウトは、複数の文書を比較する際のユーザーの混乱を軽減するか？

主な発見

• ユーザースタディーでは、協調的ストームを用いた場合90％の参加者が最も異なる文書を正しく特定したが、独立した雲ではたった30％にとどまった。
• 最も類似した文書ペアを特定するタスクにおいて、協調的ストームでは70％のユーザーが成功したのに対し、独立した雲ではわずか10％にとどまった。
• ユーザーは、レイアウトの協調性について事前に知らされていなくても、協調的ストームを用いることで単語の存在検出においてより高い正確性と再現率を示した。
• 自動評価では、協調的ワードストーム表現（ピクセルベクトルとして扱った場合）が、文書分類の有効な特徴として機能した。
• 協調的レイアウトは視覚的混乱を顕著に低減し、ユーザーが文書の類似性や相違点をより正確に認識できるようにした。
• 回答時間に条件間で有意な差は認められず、協調的ストームによる正確性の向上がタスク時間の延長によるものではなかったことが示された。