[논문 리뷰] Comparing Nodes of Multivariate Graphs Through Dynamic Layout Adaptations

Philip A. Berger, Sebastian Beleites|arXiv (Cornell University)|2023. 03. 01.

Data Visualization and Analytics인용 수 2

한 줄 요약

이 논문은 다변량 그래프 노드의 시각적 비교를 향상시키기 위해 국소적으로 적응하는 동적 focus+context 기법인 비교 렌즈를 제안한다. 전역적인 구조를 유지하는 동안 다변량 유사도 기반으로 유사한 노드를 집중 노드 근처에 배치함으로써 인지 부하를 감소시키고 정서적 지도를 유지한다. 색상 코딩, 엣지 혼잡도 감소, 반사형 가이드를 통한 효과적인 분석이 가능한 축구 선수 네트워크 분석 사례에서 성공적으로 검증되었다.

ABSTRACT

Node-link diagrams with topology-driven layouts are effective tools for visually exploring the structure of graphs. When exploring multivariate graphs, a frequent analytical question is to ask which graph nodes are similar in terms of their multivariate attribute values. Answering this question would usually involve switching to an attribute-driven layout or a different visual representation altogether. However, such context switches may ensue additional cognitive costs and hinder the fluent exploration of the graph. In this paper, we present an interactive lens technique, called the similarity lens. It avoids global view changes by dynamically injecting a local attribute-driven layout into an otherwise topology-driven layout. Given a focus node of interest in the center of the lens, dissimilar nodes are pushed out of the lens and similar nodes are pulled inward, with the most similar nodes closest to the focus node. This dynamic layout adaptation facilitates comparison tasks on a local level without disturbing the user's overall mental map of the graph topology too much. We demonstrate the utility of our approach by exploring a real-world multivariate graph of soccer players.

연구 동기 및 목표

• 노드-링크 다이어그램에서 구조와 속성 유사도를 균형 잡는 것이 어려운 다변량 노드의 시각적 비교 문제를 해결한다.
• 순수하게 구조 기반 레이아웃(공간적 분리로 인한 속성 비교의 열악함)과 속성 기반 레이아웃(구조 인식의 손실)의 한계를 극복한다.
• 사용자의 전반적인 정서적 지도를 방해하지 않으면서도, 실시간으로 비교 작업을 유연하게 지원한다.
• 사용자가 정의한 집중 노드와 유사도 임계값에 따라 레이아웃을 동적으로 적응시키는 상호작용 가능하고 사용자 설정이 가능한 도구를 제공한다.
• 실제 축구 네트워크에서 선수 간 비교를 다루는 실제 사례에서 접근 방식의 유용성을 입증한다.

제안 방법

• 선택된 집중 노드 주변의 정의된 영역 내에서만 국소적, 속성 기반 레이아웃을 적용하는 focus+context 접근 방식인 비교 렌즈를 제안한다.
• 사용자가 정의한 속성 세트(예: 골문 수비수 성과 지표)를 사용해 노드 간 다변량 유사도를 계산하며, 유사도 임계값이 렌즈에 포함 여부를 결정한다.
• 다변량 스케일링 또는 힘 기반 알고리즘과 같은 레이아웃 알고리즘을 렌즈 내부에 적용하여 속성 유사도에 따라 유사한 노드를 가까이 배치한다.
• 렌즈 외부에서는 전역적인 구조 기반 레이아웃을 유지하여 사용자의 전체 그래프 구조에 대한 정서적 지도를 유지한다.
• 색상 코딩, 엣지 혼잡도 감소, 반사형 가이드를 통한 시각적 보완을 통합하여 유사도와 근접도의 해석을 지원한다.
• 렌즈 크기, 유사도 임계값, 정밀도 수준과 같은 사용자 제어 가능한 파rameter를 노출하여 다양한 비교 요구에 맞게 렌즈를 적응시킬 수 있도록 한다.

실험 결과

연구 질문

• RQ1 노드-링크 다이어그램에서 전역 그래프 구조의 인지 유지 없이 다변량 노드 비교를 어떻게 향상시킬 수 있는가?
• RQ2 동적이고 국소적인 레이아웃 적응이 다중 속성에 대해 노드 비교를 얼마나 향상시킬 수 있는가?
• RQ3 구조 기반과 속성 기반 원칙을 융합한 하이브리드 레이아웃 접근 방식이 비교 분석 중 인지 부하를 얼마나 줄일 수 있는가?
• RQ4 색상 코딩, 엣지 감소, 반사형 가이드와 같은 시각적 보완 요소가 렌즈 내 비교 결과의 해석 가능성에 기여하는 정도는 어떠한가?
• RQ5 사용자는 실제 데이터셋에서 렌즈를 통해 얼마나 효과적으로 유사한 노드를 식별하고 그 상대적 유사도를 평가할 수 있는가?

주요 결과

• 비교 렌즈는 다변량 유사도 기반으로 유사한 노드를 가까이 배치하여 직접적인 시각적 비교를 가능하게 했다.
• 다섯 명의 골문 수비수가 선택된 집중 골문 수비수와 비슷한 것으로 확인되었으며, 그 중 두 명은 렌즈 내 중심 위치에 있어 매우 유사한 것으로 평가되었다.
• 반사형 가이드와 색상 코딩 덕분에 사용자는 후보들을 시각적으로 순위 매길 수 있었으며, 어두운 옅초록색 노드가 略적으로 더 유사하다고 판단되었다.
• 엣지 혼잡도 감소로 인해 유사한 노드 간 연결 관계의 가시성이 향상되어 국소 네트워크 구조 분석에 기여했다.
• 렌즈 외부의 전역 구조를 유지함으로써 사용자의 전반적인 정서적 지도가 유지되었고, 방향 감각 상실이 감소했다.
• 유사도 임계값과 렌즈 크기와 같은 사용자 설정 파rameter를 통해 렌즈를 다양한 분석 요구에 맞게 구성할 수 있었다.