[论文解读] Comparing Nodes of Multivariate Graphs Through Dynamic Layout Adaptations

Philip A. Berger, Sebastian Beleites|arXiv (Cornell University)|Mar 1, 2023

Data Visualization and Analytics被引用 2

一句话总结

本文提出比较透镜（comparison lens）技术，这是一种动态的聚焦+上下文方法，可局部自适应节点-链接图，以增强多变量图节点的视觉比较。通过在保持拓扑结构的全局框架内整合基于属性的布局，该方法依据多变量相似性将相似节点定位在聚焦节点附近，从而降低认知负荷并保持心理地图——在足球球员网络分析中已有效验证，通过颜色编码、减少边杂乱和径向引导实现。

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.

研究动机与目标

• 解决在节点-链接图中视觉比较多变量节点时，拓扑结构与属性相似性难以平衡的挑战。
• 克服纯拓扑驱动布局的局限性（因空间分离导致属性比较困难）以及属性驱动布局的局限性（丧失拓扑感知能力）。
• 在不破坏用户对图整体心理地图的前提下，支持灵活、即时的比较任务。
• 提供一种交互式、用户可配置的工具，根据用户定义的聚焦节点和相似性阈值动态调整布局。
• 在涉及足球网络中球员比较的真实场景中，展示该方法的实用性。

提出的方法

• 提出一种称为比较透镜的聚焦+上下文方法，仅在选定聚焦节点周围定义的区域内应用局部、基于属性的布局。
• 使用用户定义的一组属性（例如，守门员表现指标）计算节点之间的多变量相似性，相似性阈值控制透镜内的节点包含范围。
• 在透镜内应用布局算法（例如多维缩放或力导向算法），根据属性相似性将相似节点定位得彼此靠近。
• 在透镜外部保留基于全局拓扑的布局，以维持用户对整体图结构的心理地图。
• 集成视觉增强功能：基于相似性的颜色编码、减少边杂乱以提升可见性，以及径向引导以支持对邻近性和相似性的理解。
• 提供用户可调节的参数，如透镜大小、相似性阈值和精度级别，以适应不同的比较需求。

实验结果

研究问题

• RQ1 如何在不牺牲对全局图拓扑感知的前提下，改进节点-链接图中多变量节点的比较？
• RQ2 动态、局部化的布局自适应在多变量属性方面，能在多大程度上增强节点的视觉比较效果？
• RQ3 结合拓扑驱动与属性驱动原则的混合布局方法，是否能降低比较分析过程中的认知负荷？
• RQ4 视觉增强手段（颜色编码、边减少、径向引导）在提升透镜内比较结果的可解释性方面起到何种作用？
• RQ5 用户在真实数据集中，能否有效识别出相似节点并评估其相对相似性？

主要发现

• 比较透镜成功地根据多变量相似性将相似节点拉近至空间邻近位置，实现直接的视觉比较。
• 识别出五名守门员与选定的聚焦守门员相似，其中两名因位于透镜中心而被判断为高度相似。
• 径向引导与颜色编码使用户能够视觉上对候选节点进行排序，位于下方的深绿色节点被认为略为更相似。
• 边杂乱减少显著提升了相似节点之间连接的可见性，支持对局部网络结构的分析。
• 该方法在透镜外部保持了全局拓扑结构，维持了用户对整体图的心理地图，减少了方向感迷失。
• 通过相似性阈值和透镜大小等用户参数可配置透镜，使其能够适应不同的分析需求。