[논문 리뷰] DeepVenn -- a web application for the creation of area-proportional Venn diagrams using the deep learning framework Tensorflow.js

Tim Hulsen|arXiv (Cornell University)|2022. 09. 27.

Data Visualization and Analytics인용 수 69

한 줄 요약

DeepVenn은 TensorFlow.js를 사용하여 최대 10개의 집합에 대해 영역 비례 벤 다이어그램을 생성하는 웹 애플리케이션이며, 입력으로 ID 목록을 사용하고 중첩 영역의 자동 최적화를 수행합니다.

ABSTRACT

Motivation: The Venn diagram is one of the most popular methods to visualize the overlap and differences between data sets. It is especially useful when it is are 'area-proportional'; i.e. the sizes of the circles and the overlaps are proportional to the sizes of the data sets. There are some tools available that can generate area-proportional Venn Diagrams, but most of them are limited to two or three circles, and others are not available as a web application or accept only numbers and not lists of IDs as input. Some existing solutions also have limited accuracy because of outdated algorithms to calculate the optimal placement of the circles. The latest machine learning and deep learning frameworks can offer a solution to this problem. Results: The DeepVenn web application can create area-proportional Venn diagrams of up to ten sets. Because of an algorithm implemented with the deep learning framework Tensorflow.js, DeepVenn automatically finds the optimal solution in which the overlap between the circles corresponds to the sizes of the overlap as much as possible. The only required input is two to ten lists of IDs. Optional parameters include the main title, the subtitle, the set titles and colours of the circles and the background. The user can choose to display absolute numbers or percentages in the final diagram. The image can be saved as a PNG file by right-clicking on it and choosing "Save image as". The right side of the interface also shows the numbers and contents of all intersections. Availability: DeepVenn is available at https://www.deepvenn.com. Contact: [e-mail]

연구 동기 및 목표

• 데이터 세트 간의 중첩을 영역 비례 벤 다이어그램으로 시각화합니다.
• 최대 10개의 세트를 지원하고 입력을 숫자뿐 아니라 ID 목록으로 받습니다.
• 데이터 크기에 따라 중첩이 반영되도록 원 배치를 최적화하는 딥 러닝 기반 알고리즘을 활용합니다.
• 제목, 색상, 배경과 같은 구성 가능한 미학과 절대 수치 또는 백분율과 같은 출력 옵션을 제공합니다.
• 다이어그램을 PNG로 저장할 수 있게 하고 인터페이스에 교집합 내용을 표시합니다.

제안 방법

• TensorFlow.js에서 원 배치를 최적화하여 중첩이 데이터 크기에 맞도록 하는 딥 러닝 기반 알고리즘을 구현합니다.
• 세트를 정의하기 위해 두 개에서 열 개의 ID 목록으로 입력을 받습니다.
• 주 제목, 부제목, 세트 제목, 원 색상 및 배경에 대한 선택적 매개변수를 제공합니다.
• 최종 다이어그램에서 절대 수치 또는 백분율 표시 모드를 제공합니다.
• 'Save image as'를 마우스 오른쪽 클릭하여 PNG 내보내기를 활성화합니다.
• 인터페이스에 모든 교집합의 숫자와 내용을 표시합니다.

실험 결과

연구 질문

• RQ1 최대 10개 세트에 대해 DeepVenn 알고리즘이 영역 비례 원을 얼마나 정확하게 배치합니까?
• RQ2 DeepVenn가 효과적으로 처리할 수 있는 최대 세트 수는 얼마입니까?
• RQ3 DeepVenn가 수용하는 입력 형식은 무엇이며 이로 인해 사용성 및 정확성에 어떤 영향을 줍니까?
• RQ4 어떤 사용자 맞춤 옵션이 결과 다이어그램의 가독성과 유용성에 영향을 줍니까?
• RQ5 DeepVenn는 계산된 교집합 데이터를 어떻게 제시하고 내보냅니까?

주요 결과

• 이 도구는 최대 10개의 세트에 대한 영역 비례 벤 다이어그램을 만들 수 있습니다.
• TensorFlow.js를 사용하는 알고리즘이 중첩이 중첩의 크기를 최대한 반영하도록 최적의 배치를 자동으로 찾습니다.
• 입력은 두 개에서 열 개의 ID 목록이며, 제목, 부제목, 세트 제목, 색상 및 배경에 대한 선택적 매개변수가 있습니다.
• 사용자는 최종 다이어그램에서 절대 수치 또는 백분율로 표시를 선택할 수 있습니다.
• 다이어그램은 PNG 파일로 저장할 수 있으며 인터페이스의 오른쪽에 교집합 내용을 표시합니다.