[论文解读] Ariadne's Thread - Interactive Navigation in a World of Networked Information

Rob Koopman, Shenghui Wang+2 more|arXiv (Cornell University)|Mar 14, 2015

Data Visualization and Analytics参考文献 16被引用 14

一句话总结

本文提出了一种交互式可视化界面，使用户能够利用来自 ArticleFirst 的 6500 万篇文献记录，探索学术查询的上下文网络。通过应用随机投影降低维度，并计算主题、作者、期刊和杜威分类法之间的语义相似性，该系统生成了动态、可点击的网络，支持偶然性导航和上下文感知的学术知识空间探索。

ABSTRACT

This work-in-progress paper introduces an interface for the interactive visual exploration of the context of queries using the ArticleFirst database, a product of OCLC. We describe a workflow which allows the user to browse live entities associated with 65 million articles. In the on-line interface, each query leads to a specific network representation of the most prevailing entities: topics (words), authors, journals and Dewey decimal classes linked to the set of terms in the query. This network represents the context of a query. Each of the network nodes is clickable: by clicking through, a user traverses a large space of articles along dimensions of authors, journals, Dewey classes and words simultaneously. We present different use cases of such an interface. This paper provides a link between the quest for maps of science and on-going debates in HCI about the use of interactive information visualisation to empower users in their search.

研究动机与目标

• 通过支持超越简单结果列表的上下文探索，解决传统关键词搜索在学术数据库中的局限性。
• 在统一的可视化空间中，支持用户对作者、期刊、主题和分类代码等实体进行交互式、多维导航。
• 探究视觉化上下文表示是否能增强大型书目数据库中的信息觅食和偶然发现。
• 通过将交互式可视化整合到实际的学术搜索工作流中，弥合科学计量学、人机交互和数字图书馆研究之间的差距。
• 评估从异构书目实体派生的语义网络在支持探索性搜索和知识发现方面的实用性。

提出的方法

• 该系统使用随机投影，将来自文献元数据的实体（主题、作者、期刊、杜威分类法）的高维向量表示进行降维。
• 在降维空间中计算实体之间的语义相似性，从而可视化跨类型关系（例如，主题与作者之间或期刊与杜威分类法之间的关系）。
• 界面渲染出一个动态网络，其中每个节点代表一个实体，边代表语义相似性，节点按类型着色（例如，主题为红色，作者为黄色，期刊为绿色）。
• 用户可点击任意节点以遍历网络，同时跨多个维度探索相关实体，实现偶然性发现。
• 系统采用离线预处理管道以保证可扩展性，随后通过在线交互界面实现实时导航。
• 界面支持过滤功能，可隔离特定实体类型（例如，仅显示作者或仅显示期刊），并包含指向外部资源（如 Wikipedia 和 Google Scholar）的链接，用于交叉验证。

实验结果

研究问题

• RQ1 与传统搜索相比，对多类型实体网络（主题、作者、期刊、杜威分类法）进行交互式可视化，是否能提升对学术查询的上下文理解？
• RQ2 用户如何在学术实体的语义网络中导航，并从跨维度关系中获取价值？
• RQ3 该系统在多大程度上支持偶然发现和探索相关但出乎意料的主题或作者？
• RQ4 查询的具体性和模糊性在多大程度上影响生成的语义网络的质量和相关性？
• RQ5 视觉上下文在增强学术探索过程中的信息觅食和决策制定方面发挥什么作用？

主要发现

• 该系统成功从 6500 万篇文献记录中生成了有意义的、可交互的网络，使用户能够实时探索主题、作者、期刊和杜威分类法之间的关系。
• 针对特定主题（如“machine learning”）的搜索，可检索到诸如“neural network”、“SVM”、“bayesian classifier”和“overfitting”等相关概念，反映出真实的学术话语。
• 模糊或宽泛的查询（如“child care”）揭示了出人意料但相关的关联，如“immigrant families”，表明该系统在发现被忽视或新兴主题方面具有潜力。
• 该界面支持有效的元数据筛查，例如识别同一作者的多种姓名变体（如 Rienk van Grondel），有助于消歧和数据整理任务。
• 极简设计使用户能够专注于网络结构和关系，同时可将视图限制为单一实体类型，以实现更清晰的分析。
• 该系统表明，跨类型相似性计算能够实现对学术主题的全面、多维视图，支持聚焦式和探索式搜索策略。