[論文レビュー] SkyLens: Visual Analysis of Skyline on Multi-dimensional Data

Xun Zhao, Yanhong Wu+6 more|arXiv (Cornell University)|Aug 11, 2017

Data Management and Algorithms参考文献 33被引用数 3

ひとこと要約

SkyLens は、スカイライン点の優位性を決定づける意思決定のための部分空間と支配関係を明らかにすることで、多次元データにおけるスカイライン点の解釈と比較を支援するビジュアルアナリティクスシステムです。クラスターや外れ値の検出に適したプロジェクションビュー、属性レベルでの順位付けに適したテーブルビュー、詳細な属性および支配関係分析に適した比較ビューを統合し、多次元基準の状況における意思決定の効率を顕著に向上させます。

ABSTRACT

Skyline queries have wide-ranging applications in fields that involve multi-criteria decision making, including tourism, retail industry, and human resources. By automatically removing incompetent candidates, skyline queries allow users to focus on a subset of superior data items (i.e., the skyline), thus reducing the decision-making overhead. However, users are still required to interpret and compare these superior items manually before making a successful choice. This task is challenging because of two issues. First, people usually have fuzzy, unstable, and inconsistent preferences when presented with multiple candidates. Second, skyline queries do not reveal the reasons for the superiority of certain skyline points in a multi-dimensional space. To address these issues, we propose SkyLens, a visual analytic system aiming at revealing the superiority of skyline points from different perspectives and at different scales to aid users in their decision making. Two scenarios demonstrate the usefulness of SkyLens on two datasets with a dozen of attributes. A qualitative study is also conducted to show that users can efficiently accomplish skyline understanding and comparison tasks with SkyLens.

研究の動機と目的

• 特定のデータポイントがスカイラインに含まれる理由を解釈する課題に取り組むこと、特にその優位性が複雑な多属性の組み合わせに起因する場合に焦点を当てる。
• お互いに支配関係にないスカイラインポイントの体系的な比較を支援することにより、従来のスカイラインクエリが非支配点しか特定しないという制限を克服する。
• スカイラインの意味と関係性のビジュアルでインタラクティブに探査することで、多基準意思決定における認知的負荷を軽減すること。
• スカイラインメンバーシップの背後にある要因（例：どの属性や部分空間が支配的要因となっているか）を、専用のビジュアルエンコーディングによって理解できるようにすること。
• クエリの微調整や属性・ポイントの動的再順序付けを可能にする柔軟なユーザーインタラクションをサポートすること。

提案手法

• 本システムは、グリフを用いてクラスタリングパターンや外れ値を可視化するプロジェクションビューを採用しており、構造的特徴を一目で特定できる。
• テーブルビューは、詳細な属性値を提示し、各スカイラインポイントの各属性におけるパフォーマンスを順位付けし、スカイラインメンバーシップを決定づける決定的でない部分空間を強調表示する。
• 比較ビューは、最大数個のスカイラインポイントを並べて分析でき、次元ごとの属性差異と支配関係を可視化することで、詳細な分析を可能にする。
• コントロールパネルにより、属性やポイントの選択・フィルタリングが可能で、反復的探索を支援する。
• フィルタリング、再順序付け、ポップアップ比較ウィンドウ（例：レブロン・ジェームズ 対 クリス・ポール）などのインタラクティブ機能により、ユーザー主導の集中分析が可能になる。
• 計算には Börzsönyi 他によるスカイラインアルゴリズムを活用しており、大規模データセットではパフォーマンス最適化が可能である。

実験結果

リサーチクエスチョン

• RQ1 優位性が複雑な多属性の組み合わせに起因する場合、ユーザーはどのようにしてスカイラインに含まれるデータポイントの包含理由を効果的に解釈できるか？
• RQ2 単一の指標では容易に順位付けできない非支配スカイラインポイントの比較を支援するためのビジュアルおよびインタラクティブ技法とは何か？
• RQ3 システムは、個々の属性や部分空間がスカイラインメンバーシップに果たす役割をどのように理解できるように支援できるか？
• RQ4 ビジュアルアナリティクスは、多基準選択タスクにおける認知的負荷をどのように軽減し、意思決定の効率を向上させられるか？
• RQ5 曇ったまたは変化する目標を持つ状況において、ユーザーは SkyLens を使用する際と LineUp のようなシステムを使用する際とで、好みや行動にどのような違いを示すか？

主な発見

• ユーザーは、データセットに関する事前の知識が限られている状況でも、SkyLens を使用することでスカイラインポイントの理解と比較能力が顕著に向上したと報告した。
• 定性的な研究では、ユーザーがスカイラインの理解と比較タスクを、特に目的が曇っているか変化する状況においても効率的に遂行できたことが示された。
• 目的が不明瞭な状況ではユーザーが SkyLens を LineUp より好んだ一方で、明確な目的とトレードオフがある状況では LineUp が好まれた。
• プロジェクションビューは、100点を超えるデータでも、許容範囲内のグリフの重なりを伴いながらも、クラスターや外れ値の特定に効果的であることが確認された。
• テーブルビューは、各スカイラインポイントの決定的でない部分空間を効果的に明らかにし、支配的要因となる属性やその組み合わせを理解する手がかりを提供した。
• 比較ビューは、属性値および支配関係の両面から複数のスカイラインポイントを詳細かつ偏りのない形で比較可能にし、洗練された意思決定を支援した。