[論文レビュー] Survey on Visual Analysis of Event Sequence Data

Yi Guo, Shunan Guo+4 more|arXiv (Cornell University)|Jun 25, 2020

Data Visualization and Analytics参考文献 121被引用数 7

ひとこと要約

本サーベイは、イベント系列データのビジュアルアナリティクスの包括的な分類体系を提案し、デザインスペースと分析的タスクフレームワークを通じて、既存の手法を体系的に整理する。最先端の手法をレビューし、因果関係分析や高次元パターン検出といった主要な課題を特定し、複雑で多様なイベント系列からのインサイト抽出を改善するための今後の研究方向性を提示する。

ABSTRACT

Event sequence data record series of discrete events in the time order of occurrence. They are commonly observed in a variety of applications ranging from electronic health records to network logs, with the characteristics of large-scale, high-dimensional, and heterogeneous. This high complexity of event sequence data makes it difficult for analysts to manually explore and find patterns, resulting in ever-increasing needs for computational and perceptual aids from visual analytics techniques to extract and communicate insights from event sequence datasets. In this paper, we review the state-of-the-art visual analytics approaches, characterize them with our proposed design space, and categorize them based on analytical tasks and applications. From our review of relevant literature, we have also identified several remaining research challenges and future research opportunities.

研究の動機と目的

• 医療、サイバーセキュリティ、ウェブアナリティクスなど、幅広く用いられるイベント系列データのビジュアルアナリティクス手法について包括的なレビューを提供すること。
• イベント系列データおよびビジュアルアナリティクスソリューションの主要な次元を捉えることで、提案されたデザインスペースを用いて既存の手法を特徴づけること。
• パターン発見、異常検出、因果関係分析などの分析的タスクに基づいて手法を分類すること。
• イベント系列のビジュアルアナリティクスにおける未解決の課題と今後の研究機会を同定すること。
• 研究者および実務家が、特定の問題に適した手法を効果的に特定できるよう、ウェブベースのサーベイブラウザを介して構造的かつ検索可能なリファレンスを提供すること。

提案手法

• 著者は、イベント系列ビジュアルアナリティクスのためのデザインスペースを構築し、データ特性（例：次元数、スパarsity）、視覚的表現タイプ（例：タイムライン、行列）、分析的タスクなどの主要な次元を定義した。
• 時系列イベントデータのビジュアルアナリティクスに焦点を当てたビジュアルアナリティクス論文の体系的レビューを実施し、関連性に基づいて研究を選定した。
• 本サーベイは、レビュー対象の手法を5つの主要な分析的タスクに分類している：パターン発見、異常検出、予測、因果関係分析、および系列間比較。
• http://eventvis.idvxlab.com/ にウェブベースのインタラクティブブラウザを構築し、分類体系を可視化し、タスク、データタイプ、デザイン要素ごとに手法を探索可能にした。
• 著者らは、複数次元のフレームワークを用いて手法を分類し、研究のギャップを特定し、相互比較を可能にした。
• 研究手法のトレンド、応用分野、ビジュアルアナリティクスにおける未充足のニーズを分析することで、最先端の状況を評価した。

実験結果

リサーチクエスチョン

• RQ1 イベント系列データのビジュアルアナリティクスのデザインスペースを定義する上で、どのような主要な次元が存在するか？
• RQ2 既存のビジュアルアナリティクス手法は、パターン発見、異常検出、因果関係分析といった一般的な分析的タスクをどのように扱っているか？
• RQ3 現在のイベント系列のビジュアルアナリティクスアプローチにおける主なギャップと制限は何か？
• RQ4 どの応用分野がイベント系列のビジュアルアナリティクスによって最も恩恵を受けており、それらにどのような独自の課題が伴うか？
• RQ5 複雑で高次元のイベント系列データのビジュアルアナリティクスを進歩させるために、最も有望な今後の研究方向性は何か？

主な発見

• 本サーベイは、パターン発見、異常検出、予測、因果関係分析、系列比較の5つの主要な分析的タスクが、イベント系列のビジュアルアナリティクスアプローチの構造を形作っていると特定した。
• パターン発見や異常検出における進展にもかかわらず、因果関係分析は依然として未発達であり、専用のビジュアルアナリティクス手法がほとんど存在しない。
• 高次元でスパースなイベント系列は、視覚的拡張性や知覚的明瞭性の面で大きな課題を呈し、現行のツールはしばしば効果的にそれに対処できていない。
• http://eventvis.idvxlab.com/ に設置されたウェブベースのサーベイブラウザにより、分類体系のインタラクティブな探索が可能となり、研究者が特定の問題に適した手法を特定するのを支援する。
• 多くの既存手法は特定のデータタイプやタスクに特化しているため、電子的健康記録やネットワークログなど、多様な応用分野への一般化や再利用が制限されている。
• 本レビューは、データ前処理からインサイトの可視化までを統合的に支援するツールの不足を浮き彫りにした。特に、現実世界の複雑なイベント系列に対しては顕著である。