[논문 리뷰] Interactive graph query language for multidimensional data in Collaboration Spotting visual analytics framework

Ádám Agócs, Dimitrios Dardanis외 2명|arXiv (Cornell University)|2017. 12. 12.

Data Visualization and Analytics참고 문헌 1인용 수 4

한 줄 요약

이 논문은 협업 탐지 프레임워크 내에서 다차원 데이터 네트워크를 낮은 차원의 사용자 탐색이 가능한 시각적 뷰로 분해하여 시각적 인식과 분석적 추론을 향상시키는 상호작용형 그래프 쿼리 언어를 제안한다. SPARQL 유사 쿼리를 사용해 레이블이 지정되고 방향성이 있으며 가중치가 부여된 하위 네트워크를 동적으로 탐색할 수 있도록 하여 복잡한 데이터의 직관적 탐색을 지원한다. 이는 4600만 개 노드, 1.5억 개 에지로 구성된 논문 및 특허 네트워크에서 검증되었으며, 대규모 시각적 분석에서 명확성과 성능을 향상시킨다.

ABSTRACT

Human reasoning in visual analytics of data networks relies mainly on the quality of visual perception and the capability of interactively exploring the data from different facets. Visual quality strongly depends on networks' size and dimensional complexity while network exploration capability on the intuitiveness and expressiveness of user frontends. The approach taken in this paper aims at addressing the above by decomposing data networks into multiple networks of smaller dimensions and building an interactive graph query language that supports full navigation across the sub-networks. Within sub-networks of reduced dimensionality, structural abstraction and semantic techniques can then be used to enhance visual perception further.

연구 동기 및 목표

• 높은 차원 복잡성과 대규모 크기를 지닌 대규모 다차원 데이터 네트워크를 시각화하고 탐색하는 데 도전 과제를 해결한다.
• 차원 수가 감소한 하위 네트워크를 통해 사용자 중심의 데이터 축소를 가능하게 하여 직관적이고 상호작용 가능한 탐색을 지원한다.
• 하위 네트워크 내에서 추상화 기법을 통해 데이터의 의미적 및 구조적 정합성을 유지하면서도 시각적 인식을 향상시킨다.
• 사용자가 지정한 뷰와 함께 레이블이 지정되고 방향성이 있으며 가중치가 부여된 그래프를 동적으로 탐색할 수 있는 융통성 있고 확장 가능한 쿼리 언어를 개발한다.
• 실세계 도메인, 예를 들어 과학적 협업 탐지, R&D 파트너십 식별, 조달 지능 등에 실용적으로 적용할 수 있도록 한다.

제안 방법

• 노드 레이블을 기반으로 대규모 다차원, 방향성 있는, 레이블이 지정된 그래프를 여러 개의 저차원 하위 네트워크(뷰)로 분해하여 집중적인 탐색을 가능하게 한다.
• 사용자가 지정한 뷰에서 작동하는 SPARQL 유사 그래프 쿼리 언어를 정의하며, 선택, 탐색, 뷰 간 확장과 같은 연산을 지원한다.
• 각 뷰 내에서 클러스터링, 압축 등의 구조적 추상화 기법을 사용해 뷰의 시각적 혼잡도를 줄이고 인지 능력을 향상시키되, 핵심적인 데이터 의미를 손상시키지 않는다.
• 백엔드 그래프 데이터베이스로 Neo4j를 사용하여 시스템을 구현하며, 서로 다른 유형의 노드 간에 방향성 있고 가중치가 부여된 간선을 가진 레이블이 지정된 속성 그래프로 데이터를 저장한다.
• 사용자 인터랙션을 쿼리 입력으로 활용: 사용자가 노드(예: 기술)를 선택하면, 시스템은 선택된 레이블과 관계에 기반해 동적으로 뷰를 생성하고 렲시한다.
• 초기 구현에서 핵심 및 다리 역할을 하는 뷰에 대해 단일 레이블 제약 조건(예: 다리로 '출판된 항목'만 허용)을 적용하여 성능 향상과 상호작용의 단순화를 도모한다.

실험 결과

연구 질문

• RQ1 다차원 데이터 네트워크는 어떻게 가시성 있고 저차원의 하위 네트워크로 분해되어 시각적 인식과 분석적 추론을 향상시킬 수 있는가?
• RQ2 상호작용형 그래프 쿼리 언어는 대규모 네트워크에서 의미적 및 구조적 정보를 유지하면서도 사용자 중심의 데이터 축소를 얼마나 효과적으로 향상시킬 수 있는가?
• RQ3 레이블이 지정되고 방향성 있으며 가중치가 부여된 뷰는 복잡한 데이터 네트워크에서 시각적 분석의 명확성과 성능에 어떤 영향을 미치는가?
• RQ4 SPARQL 유사 쿼리 연산은 여러 그래프 뷰 간에 동적 탐색과 필터링을 지원하기 위해 얼마나 효과적으로 적응될 수 있는가?
• RQ5 이 접근법은 과학 논문 및 특허 외의 다양한 도메인, 예를 들어 소프트웨어 종속성 또는 비즈니스 인텔리전스에 일반화되어 적용될 수 있는가?

주요 결과

• 시스템은 2000~2014년 동안의 논문 및 특허 자료에서 유래한 4620만 개의 노드와 1.566억 개의 에지를 포함하는 대규모 데이터 네트워크를 성공적으로 관리하여 확장성을 입증했다.
• 뷰 기반 분해 기법을 통해 사용자는 집중적이고 저차원의 하위 네트워크를 통해 복잡한 관계를 탐색할 수 있었으며, 이는 시각적 명확성과 사용자 탐색 능력을 크게 향상시켰다.
• 상호작용형 쿼리 언어를 통해 사용자는 뷰 간 동적 전환(예: '기술'에서 '주제 카테고리'로 이동 후 다시 돌아오기)이 가능해져 반복적인 분석적 추론를 지원한다.
• 핵심 및 다리 뷰를 단일 레이블(예: '출판된 항목')로 제한함으로써 쿼리 복잡도를 낮추고 렲시 속도를 향상시켜 성능이 향상되었다.
• 이 프레임워크는 일반적이고 확장 가능하며, 재정 또는 뉴스 데이터와 같은 추가 데이터 소스가 통합되면 R&D 협업, 조달, 정책 수립 등 다양한 분야에 적용 가능성이 있다.
• 이 시스템은 이미 CERN에 구현되어 있으며, 고에너지 물리학 분야의 핵심 기여자들을 식별하는 데 사용되어 다학제적 및 다부문적 협업을 지원하고 있다.