[論文レビュー] Xtreaming: an incremental multidimensional projection technique and its application to streaming data

Tácito T. A. T. Neves, Rafael M. Martins+4 more|arXiv (Cornell University)|Mar 8, 2020

Data Visualization and Analytics参考文献 46被引用数 5

ひとこと要約

Xtreaming は、元のデータを再訪問せずにリアルタイムで投影を更新することで、ストリーミングデータを効率的に可視化するインクリメンタルな多次元射影手法である。従来のストリーミングおよびインクリメンタル手法と比較して、オーダー・オブ・マグニチュード速く、競争力あるグローバル距離保存性を達成しており、複数回のデータパスを必要とせずに新しい構造のための投影を進化させる最初の手法である。

ABSTRACT

Streaming data applications are becoming more common due to the ability of different information sources to continuously capture or produce data, such as sensors and social media. Despite recent advances, most visualization approaches, in particular, multidimensional projection or dimensionality reduction techniques, cannot be directly applied in such scenarios due to the transient nature of streaming data. Currently, only a few methods address this limitation using online or incremental strategies, continuously processing data, and updating the visualization. Despite their relative success, most of them impose the need for storing and accessing the data multiple times, not being appropriate for streaming where data continuously grow. Others do not impose such requirements but are not capable of updating the position of the data already projected, potentially resulting in visual artifacts. In this paper, we present Xtreaming, a novel incremental projection technique that continuously updates the visual representation to reflect new emerging structures or patterns without visiting the multidimensional data more than once. Our tests show that Xtreaming is competitive in terms of global distance preservation if compared to other streaming and incremental techniques, but it is orders of magnitude faster. To the best of our knowledge, it is the first methodology that is capable of evolving a projection to faithfully represent new emerging structures without the need to store all data, providing reliable results for efficiently and effectively projecting streaming data.

研究の動機と目的

• 従来の次元削減手法が単一パス制約のため失敗する高速度で一時的なストリーミングデータを可視化する課題に対処すること。
• 元の多次元データを再処理せずに、すでに可視化されたデータの位置を更新する手法を開発すること。
• 低遅延と高いスケーラビリティを達成しながら、高品質なレイアウト忠実度（グローバル距離保存性）を維持すること。
• 複数回のデータパスを必要とするか、以前に投影されたインスタンスを再配置できない既存のオンライン手法の制限を克服すること。

提案手法

• Xtreaming は、入力ストリーム内の新しい構造的パターンの発生を検出するための変化検出メカニズムを採用する。
• 新しいデータポイントを現在の射影関数に基づいて、既存の2次元レイアウトにアウト・オブ・サンプル射影する。
• 以前に投影されたインスタンスの位置を、新たに更新された射影関数に合わせて動的に調整する、革新的な再射影戦略を用いる。
• 元の高次元データへの保存や繰り返しアクセスを回避するため、1パスでデータを処理する。
• インクリメンタル学習と適応的レイアウト最適化を組み合わせることで、時間経過に伴うグローバル距離関係を保存する。
• 計算オーバーヘッドを最小限に抑え、リアルタイムの可視化更新を可能にするように、ストリーミングワークロードに最適化されたアルゴリズム設計である。

実験結果

リサーチクエスチョン

• RQ1 新しい構造的パターンの発生に応じて、元の高次元データを再訪問せずに、以前に投影されたデータポイントを更新できる多次元射影手法は可能か？
• RQ2 グローバル距離保存性と計算効率の観点から、提案手法は既存のストリーミングおよびインクリメンタル手法とどのように比較できるか？
• RQ3 時間経過とともに進化するデータ構造を反映するための射影関数を進化させつつ、視覚的忠実度を維持することは可能か？
• RQ4 ストリーミング環境における精度とパフォーマンスのトレードオフは何か？大規模でリアルタイムのアプリケーションに最適化可能か？

主な発見

• Xtreaming は、ストレス指標で測定したところ、LLE や ISOMAP などの最先端のアウト・オブ・サンプル手法と同等のグローバル距離保存性を達成している。
• 他のオンラインおよびインクリメンタル射影手法と比較して、オーダー・オブ・マグニチュード速く、ストリーミング環境における遅延を顕著に低減している。
• Xtreaming は、以前に投影されたインスタンスを新しい射影関数に合わせて再配置でき、非適応的メソッドで一般的な視覚的アーチファクトを排除している。
• 本手法により、ソーシャルメディアやセンサー・データストリームにおけるクラスタの出現といった、進化するデータ構造の信頼性の高いリアルタイム可視化が可能になった。
• 小規模なデータセットでは、t-SNE などのイン・サンプル手法に比べて遅く、精度も劣るが、これはストリーミングスケーラビリティを優先する意図的な妥当性のトレードオフである。
• 実用的にも頑健であり、高速度のデータストリームを損失なく処理できるハードウェア最適化の導入が可能である。